gaussiannb本质为连续变量设计，不需标准化，但要求输入为数值型且无缺失；若混入离散编码或非数值列会导致静默失败或预测失真，应检查dtypes和缺失值。
为什么GaussianNB默认不支持连续变量的“直接输入”
GaussianNB 本质假设每个特征在给定类别下服从正态分布，它不拒绝连续值——它本来就是为连续变量设计的。问题常出在用户误把离散编码（如 LabelEncoder 输出的整数）当连续特征喂给模型，或未检查数据是否真为数值型。一旦 X 中混入 object 类型列、缺失值未处理、或某列实际是名义类别（比如“红/绿/蓝”被错误转成 0/1/2），fit() 就会静默失败或预测失真。
验证方法很简单：print(X.dtypes)，确保所有特征列都是 float64 或 int64；再用 print(X.isna().sum()) 确认无缺失值。
连续变量必须标准化吗？GaussianNB对量纲敏感吗
不需要标准化。GaussianNB 对每个特征独立估计均值和方差，量纲差异不影响参数拟合——它不依赖距离或梯度。但量纲极大差异（比如一列是年龄 0–100，另一列是收入 0–1e6）会导致浮点计算中较小方差项出现数值下溢，var 接近零时 log(0) 报 RuntimeWarning: divide by zero，最终影响 predict_log_proba 结果。
- 稳妥做法：用
StandardScaler或MinMaxScaler预处理，尤其当特征尺度跨越 3 个数量级以上 - 更轻量方案：对极小方差列加微小扰动，例如
X[:, i] += np.random.normal(0, 1e-8, X.shape[0]) - 注意：不要用
RobustScaler，它会破坏正态性假设的前提
如何诊断GaussianNB对某连续特征的拟合是否合理
核心是检查 GaussianNB 内部拟合出的分布参数是否与原始数据一致。训练后可直接访问 gnb.theta_（各类别下各特征均值）和 gnb.sigma_（各类别下各特征方差）：
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
gnb.fit(X, y)
# 假设第 0 类，第 2 个特征
print("Estimated mean:", gnb.theta_[0, 2])
print("Actual mean:", X[y == 0][:, 2].mean())
print("Estimated var:", gnb.sigma_[0, 2])
print("Actual var:", X[y == 0][:, 2].var(ddof=1))
若两者偏差超过 5%，需排查：该特征是否含异常值（用箱线图看）、是否真实偏离正态（画直方图 + scipy.stats.shapiro 检验）、或样本量过小（gnb.class_count_ 中某类样本
遇到“ValueError: Expected array-like (array or non-string sequence), got…”怎么办
这是最常卡住用户的错误，根本原因通常是传入了 pandas Series 或单列 DataFrame，而 GaussianNB.fit() 要求二维数组（哪怕只有一列）。例如：
- 错：
gnb.fit(X['age'], y)→X['age']是Series - 对：
gnb.fit(X[['age']], y)→[['age']]返回DataFrame，形状为 (n, 1) - 对：
gnb.fit(X['age'].values.reshape(-1, 1), y)
另一个隐蔽原因是 y 含非数值标签（如字符串 'cat'/'dog'）却没做编码。GaussianNB 不要求 y 是数字，但它内部会调用 np.unique(y)，若 y 是 object 类型且含空格或特殊字符，可能触发解析异常。建议统一用 LabelEncoder 显式转换：y_encoded = LabelEncoder().fit_transform(y)。
真正麻烦的是特征存在多峰分布或强偏态——GaussianNB 强行用单高斯拟合，效果必然打折。这时候与其硬调参，不如先用 KBinsDiscretizer 分箱转成离散特征，再换 ComplementNB 或 CategoricalNB，反而更稳。
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！
