假设我有一个数据集，其特征值是连续的，并且有多于两种可能的标签（例如：雨天、晴天、多风等），我在sklearn中应该实现哪种朴素贝叶斯模型？

我在考虑使用高斯或多项式模型。然而，多项式模型适用于离散特征，我尝试了高斯模型，但结果显示预测的准确性就像随机选择一样。

回答：

朴素贝叶斯分类（NBC）适用于离散值。这意味着你必须将所有连续的特征离散化。更多详情，请参考此链接。

无论如何，由于你有多个标签，多项式模型是正确的选择。但你也应该记住，你需要对标签进行独热编码（sklearn中的OneHotEncoder）。