我正在尝试与 GuassianNB 进行部分拟合，这是我的代码的一小段

classfier = GaussianNB()
classfier.fit(X_init, y_init)
for i in range(X_train.shape[0]):
    if('some condition'):
        classfier = GaussianNB() 
        classfier.partial_fit(X_train[i, :].reshape(1, -1), y_train[i].reshape(1, -1).ravel(), classes = np.unique(y_train))
    else:
        classfier.partial_fit(X_train[i, :].reshape(1, -1), y_train[i].reshape(1, -1).ravel())

一切正常，直到条件为真，似乎分类器出于某种原因停止学习并开始进行任意预测（预测全为零）

tn, fp, fn, tp = confusion_matrix(y_test, pred).ravel()
print(tn, fp, fn, tp)

>>> 1324 0 1031 0

我认为也许我的分类器在重新初始化它之后做出了预测（在循环结束之前满足条件）但是在我检查它之后，它在循环结束之前至少进行了 900 个部分拟合，同时带有 0 和 1 标签。

我很困惑，这是怎么回事？谢谢

编辑：我想出了什么问题

事实证明，问题在于我的数据集有很多特征（大约 40000，因为它最初是一串评论并用 tfidf 对其进行矢量化）并且由于某种原因导致 GaussianNB 分类器崩溃。我想知道为什么 GaussianNB 没有大量功能。如果有人知道，我将不胜感激。谢谢