应根据数据类型选择对应朴素贝叶es模型：gaussiannb用于连续型特征（需非负），multinomialnb用于计数型特征（如词频），bernoullinb用于二值存在性特征；文本分类须用同一tfidfvectorizer实例对训练集fit_transform、测试集transform，确保维度一致。
直接用 GaussianNB、MultinomialNB 或 BernoulliNB，别从头写概率公式——scikit-learn 已封装完整，但选错模型类型会导致准确率断崖式下跌。
怎么选对 GaussianNB、MultinomialNB、BernoulliNB
三者不是“换参数就能通用”，底层假设完全不同：
-
GaussianNB假设每个特征服从正态分布，适合连续型数据（比如身高、温度、浮点型特征），输入不能含负数（否则会报ValueError: Input X must be non-negative） -
MultinomialNB假设特征是计数型（如词频、出现次数），输入必须全为非负整数或浮点数，常用于文本分类；若用 TF-IDF 向量（含小数），它也能跑，但数学上不严格——不过实践中常这么用 -
BernoulliNB把特征二值化（≥1 算 1，0 算 0），适合存在性特征（如“是否包含某个词”“是否点击过某按钮”），对稀疏数据友好，但会忽略原始数值大小
典型错误：把标准化后的连续特征（含负值）喂给 MultinomialNB，直接抛异常；或把二值标签当特征传进去，导致维度错乱。
文本分类时 TfidfVectorizer 和 MultinomialNB 怎么配
顺序和参数必须对齐，否则训练/预测阶段特征维度不一致：
- 先用
TfidfVectorizer拟合训练集，再用它 transform 训练集和测试集——不能分别 fit - 注意
max_features和min_df设置过严，会导致测试集出现未登录词（OOV），transform 后列数变少，predict()报ValueError: X has 123 features per sample; expecting 456 - 如果训练时用了
ngram_range=(1, 2)，预测时也必须用同一个 vectorizer 实例，不能重新初始化
示例关键段：
from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.naive_bayes import MultinomialNB <p>vectorizer = TfidfVectorizer(max_features=10000, ngram_range=(1, 2)) X_train_vec = vectorizer.fit_transform(X_train) # 注意是 fit_transform X_test_vec = vectorizer.transform(X_test) # 注意是 transform，不是 fit_transform</p><p>clf = MultinomialNB() clf.fit(X_train_vec, y_train) y_pred = clf.predict(X_test_vec) # 维度匹配才不会崩</p>
predict_proba() 返回的数组为什么加起来不等于 1
scikit-learn 的朴素贝叶斯默认返回的是「未归一化的对数概率」（log-probability），predict_proba() 内部做了 exp 和归一化，但浮点精度+下溢会导致 sum 略微偏离 1（比如 0.999999999）——这正常，不是 bug。
- 若需高精度校验，可用
np.isclose(y_proba.sum(axis=1), 1.0)判断 - 真正要注意的是：如果调用
clf.feature_log_prob_，那是对数先验+对数似然，不能直接 exp，得减去行最大值再 exp（防溢出），scikit-learn 源码里就这么干 - 线上部署时若只用 top-1 预测，其实不必调
predict_proba()，predict()更快且省内存
最易被忽略的点：训练前没检查标签是否为一维数组——如果 y_train 是 shape (n, 1) 的二维数组，fit() 会静默失败，后续 predict() 报维度错误，而不是立刻提醒你 reshape。动手前先敲一句 print(y_train.shape)。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
