Python 如何将功能引用到标签？朴素贝叶斯分类器

我正在尝试适应机器学习NB模型，我的一切都非常干净，但可以将我的功能引用到我的标签，以适应模型：

标签=[[0,0,0,1,1,0]，[0,0,1,0,1,1]，…]
特征=[[0.1,0.2,0.3,0.4,0.5]，[0.11,0.21,0.31,0.41,0.51]，[0.12,0.22,0.32,0.42,0.52]，[0.12,0.22,0.32,0.42,0.52]，[0.12,0.22,0.32,0.43,0.53]，[0.13,0.23,0.33,0.43,0.53]…]

在我的问题中，[0.1,0.2,0.3,0.4,0.5]必须指标签中的第一个0，因此分类器给出一个否，[0.11,0.21,0.31,0.41,0.51]指第二个0，也是一个否，[0.12,0.22,0.32,0.42,0.52]指第一个1，因此对于分类器来说是肯定的

如何适应NB分类器或重新排列列表以适应模型

---

非常感谢。

您可能可以利用一个很棒的

numpy

库，通过它可以以多种不同的方式重新组织输入数据的形状。可能的决定之一如下：

import numpy as np

from sklearn.naive_bayes import GaussianNB

labels = [[0,0,0,1,1,0],
          [0,0,1,0,1,1]]

features = [[[0.1,0.2,0.3,0.4,0.5],
             [0.11,0.21,0.31,0.41,0.51],
             [0.12,0.22,0.32,0.42,0.52],
             [0.12,0.22,0.32,0.42,0.52],
             [0.12,0.22,0.32,0.43,0.53],
             [0.13,0.23,0.33,0.43,0.53]],
           [[0.1,0.2,0.3,0.4,0.5],
             [0.11,0.21,0.31,0.41,0.51],
             [0.12,0.22,0.32,0.42,0.52],
             [0.12,0.22,0.32,0.42,0.52],
             [0.12,0.22,0.32,0.43,0.53],
             [0.13,0.23,0.33,0.43,0.53]]]

labels = np.ravel(labels)
features = np.reshape(features, (-1, 5))

gnb = GaussianNB()
gnb.fit(features, labels) 

---

隐马尔可夫模型。。。我可能错了，但这不应该是编辑吗？@Jab可能是，是的，我重新安排了一些事情，得到了一些相同的维度列表，但这样做我丢失了95%的数据。我目前正在尝试一次做很多事情，看看哪一件能让我适合这个模型。