**《 机器学习 》朴素贝叶斯 ValueError: Expected 2D array, got 1D array instead: array=[7 8 6 ... 4 8 7]. Reshap

《 机器学习 》朴素贝叶斯 ValueError: Expected 2D array, got 1D array instead: array=[7 8 6 … 4 8 7]. Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.解决方法

一、Sklearn 中的相关函数的基本介绍
在 scikit-learn 中，一共有 3 个朴素贝叶斯的分类算法类：
GaussianNB：先验为高斯分布的朴素贝叶斯
MultinomialNB：先验为多项式分布的朴素贝叶斯
BernoulliNB：先验为伯努利分布的朴素贝叶斯
这三个类适用的分类场景各不相同：
一般来说，如果样本特征的分布大部分是连续值，使用 GaussianNB 会比较好；
如果如果样本特征的分大部分是多元离散值，使用 MultinomialNB 比较合适；
如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用 BernoulliNB。

二、问题及解决
1、问题
（1）源码：

gnb=GaussianNB().fit(trainX,trainY)
mnb=MultinomialNB().fit(trainX,trainY)

（2）报错：
ValueError: Expected 2D array, got 1D array instead:
array=[7 8 6 … 4 8 7].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
2、解决
（1）改正代码：

gnb=GaussianNB().fit(trainX.reshape(-1,1),trainY.reshape(-1,1))
mnb=MultinomialNB().fit(trainX.reshape(-1,1),trainY.reshape(-1,1))

（2）解释：
scikit-learn新版本中所有东西都必须是一个2D矩阵，即使是一个简单的column或row，因此，我们在使用python3实现与此相关的操作时，使用array.reshape(-1, 1)或array.reshape(1,-1)重新调整你的数据 。
若数据只有一个特征描述时，使用array.reshape(-1, 1)；
【由于我做的实验目的是：利用自带的手写数字数据集，测试高斯朴素贝叶斯和多项式朴素贝叶斯的精度，并绘制学习曲线对比两种学习曲线的学习效果。因此，采用array.reshape(-1, 1)调整数据】
若数据只包含一个样本时，使用array.reshape(1, -1) 。