1.什么是高斯朴素贝叶斯
高斯朴素贝叶斯是一种可以根据样本文件进行预测，其算法本质是对某一事件或某组事件及其结果为样本数据进行学习（其学习过程类似于一种概率计算的过程，具体的过程可以百度贝叶斯算法。）并根据学习结果进行预测。
2.模组使用
模组使用的是sklearn包下的GaussianNB.fit（X,Y）方法，需要传入两个数组，其中X为样本属性，Y为样本结果。在初步尝试时，该函数只接受数组类型的数组（当时刚刚接触py，也可能是自己判断有误），所以讲X整体转换成了二进制数组，再次传入，问题解决。预测使用的是predict（X）方法，其中x为预测样本的属性。
3.遇到的问题
1.初次尝试时只能传入基础的二维数组数组，单一属性，后将其转为二进制数组后得到解决
2.因转成二进制数组后，不同的属性样本会导致预测的数组与训练的数组长度不统一，算法无法执行。解决方法：对数组维度进行固定：既在训练和预测时数组转换为二进制后，规定相同的维度（arr.resize([x，y])）。
注：代码未上传，若有意学习可以私聊