SciKitlearn训练高斯朴素贝叶斯分类

Question

我试图为高斯朴素贝叶斯分类器绘制决策面。不过，我在训练分类器方面似乎有点问题。我对机器学习也很陌生。在

首先我生成100个随机点，其中一半有不同的坐标和标签。在

for i in range(50):
    point1.append([np.random.randint(50,80),np.random.randint(50,80)])
    point1L.append(1)
for i in range(50):
    point2.append([np.random.randint(10,40),np.random.randint(10,70)])
    point2L.append(0)

然后我训练它。在

^{pr2}$

然后我遇到了一个问题。我这里的分类器似乎无法区分这两点。在

print(clf.predict([np.random.randint(50,80),np.random.randint(50,80)]))
print(clf.predict([np.random.randint(10,40),np.random.randint(10,70)]))

我得到的结果似乎总是：

[0]
[0]

我做错了什么，我该怎么解决？在

分级机如果不从分级机本身判断，我也会从分级机的分界点来判断。在

Answer 1

fit()方法只能调用一次。您将调用fit方法两次，一次用于point1，另一次用于point2。因此，当您再次为point2调用fit()时，估计器会重置自身并只为point2L训练，即0。这就是为什么你的预测总是0。 首先将point1和point2组合成一个新的矩阵（与标签相同），然后在新矩阵上调用fit方法。在