我有一个数据集如下，（它取自网上的一篇文章，我一直在尝试对其进行朴素贝叶斯算法）
在做了一些操作之后（按照文章），这些是我用于训练和测试的新数据集，
现在，它包含一个多标签，我被要求查看该问题的多输出分类。我一直在尝试理解这种分类并尝试自己实现它，但我无法完成。首先，我尝试按照网站上给出的示例代码，
from sklearn.datasets import make_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.utils import shuffle
import numpy as np
X, y1 = make_classification(n_samples=10, n_features=100, n_informative=30, n_classes=3, random_state=1)
y2 = shuffle(y1, random_state=1)
y3 = shuffle(y1, random_state=2)
Y = np.vstack((y1, y2, y3)).T
n_samples, n_features = X.shape # 10,100
n_outputs = Y.shape[1] # 3
n_classes = 3
forest = RandomForestClassifier(n_estimators=100, random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
multi_target_forest.fit(X, Y).predict(X)
但是，因为我对这一切都很陌生，所以我什么都不懂。我不明白他为什么要进行 make_classification 调用，然后对数据进行洗牌等。我试图在我的 y_train 变量上实现它然后把它放在我的model.fit中用于Naive-Baysen算法，
from sklearn.naive_bayes import GaussianNB
model = GaussianNB()
Yt = np.vstack(y_train).T
n_samples, n_features = X_train.shape # 10,100
n_outputs = Yt.shape[1] # 3
n_classes = 3
forest = RandomForestClassifier(n_estimators=100, random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
model.fit(X_train, multi_target_forest)
但它给出了与我之前收到的相同的错误，这意味着我没有正确地进行多输出分类，
ValueError: y should be a 1d array, got an array of shape () instead.
谁能帮我告诉我如何实际实现这种分类，以便 Y 变量可以用于 Naive Baysen？