朴素貝葉斯分類器的scikit-learn文檔中的示例代碼是否出錯？

Question

我是Python的新用戶，並且一直使用scikit-learn模塊運行Naive Bayes分類器模型。 scikit LearnNaïveBayes文檔頁面上的以下示例代碼正確嗎？

from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
y_pred = gnb.fit(iris.data, iris.target).predict(iris.data)
print("Number of mislabeled points out of a total %d points : %d"

gnb.fit()函數不應該閱讀：

y_pred = gnb.fit(iris.data.drop(columns=['target']), iris.target).predict(iris.data)

也就是說，需要從預測變量數據集中手動刪除響應變量。 當一位同事指出我從scikit-learn文檔頁面上抄寫的代碼錯誤時，我的模型獲得了不合理的高精度度量。

Answer 1

iris.data不是數據幀，它只是具有4個功能的（150,4）numpy數組。

iris.target是另一個只有目標類的numpy數組。

不知道如何調用數組上的drop （我只是檢查了我有一個數組而不是pd df，這很有意義，sklearn不依賴於熊貓）。