Python sklearn：朴素贝叶斯分类器精度较低

我有一个数据集，其中包括200000个带标签的培训示例。 对于每个培训示例，我有10个特性，包括连续和离散特性。 我试图使用python的

sklearn

包来训练模型并进行预测，但我遇到了一些麻烦（还有一些问题）

首先，让我来编写我迄今为止编写的代码：

from sklearn.naive_bayes import GaussianNB
# data contains the 200 000 examples
# targets contain the corresponding labels for each training example
gnb = GaussianNB()
gnb.fit(data, targets)
predicted = gnb.predict(data)

问题是我的准确率很低（错误分类的标签太多）-大约20%。 但是，我不太确定数据（例如，需要更多数据或其他东西）或代码是否存在问题

对于同时具有离散和连续特征的数据集，这是实现朴素贝叶斯分类器的正确方法吗

此外，在机器学习中，我们知道数据集应该分为训练集和验证/测试集。这是由

sklearn

自动执行的，还是我应该

fit

使用训练数据集的模型，然后使用验证集调用

predict

如有任何想法或建议，将不胜感激

问题是我的准确率很低（错误分类的标签太多）-大约20%。但是，我不太确定数据（例如，需要更多数据或其他东西）或代码是否存在问题

这对于朴素贝叶斯来说并不是什么大错误，这是一个非常简单的分类器，你不应该期望它很强大，更多的数据可能不会有帮助。你的高斯估计可能已经很好了，简单的假设就是问题所在。使用更强的模型。您可以从Random Forest开始，因为它非常容易使用，即使是该领域的非专家

对于同时具有离散和连续特征的数据集，这是实现朴素贝叶斯分类器的正确方法吗

不，不是，您应该在离散功能中使用不同的发行版，但是scikit learn不支持，您必须手动执行此操作。如前所述-更改您的模型

此外，在机器学习中，我们知道数据集应该分为训练集和验证/测试集。这是由sklearn自动执行的，还是我应该使用训练数据集拟合模型，然后使用验证集调用predict

---

没有任何事情是以这种方式自动完成的，您需要自己完成（scikit learn有很多工具，请参阅交叉验证包）。

训练/测试拆分不是自动完成的，但有许多内置功能可以让您轻松完成。另一方面，请看一下slearn的功能，您正在将模型与所有数据进行拟合，因此在预测相同数据时，人们会期望相对较高的准确性。您可能需要研究调整模型的超参数（请参阅向我们提供您的代码和数据样本。我想测试多个模型，以便使用各种算法进行一些预测并生成报告。我上面提到的20%是准确性，而不是错误分类的预测。顺便说一句，您提到我需要离散特征中的不同分布。您能告诉我如何进行测试吗我能做到这一点吗（即使是手动）。不幸的是，对于朴素贝叶斯来说，这仍然是可能的。你们有多少个类？