实际上在机器学习中，更多的数据等于更高的准确性，但是正如您在问题中提到的那样，您有 300 个样本数据集。因此，分类器几乎没有空间来决定应该选择谁，但是如果您的类和特征数量较少，您可能会变得更好结果。当我根据传感器数据做我的项目时，我只使用了来自传感器的大约 100 个样本记录，它实际上预测得非常好，得到了 77 的准确度，一旦我增加数据集，它就会增长。但不要训练它带有异常值和不需要的功能之类的噪音，它们会极大地影响您的准确性

我认为 300 的尺寸已经足够了。尝试进行拆分验证，看看你得到什么样的结果。我实现了一个带有 100 行数据集的朴素贝叶斯分类器，结果还不错。我的应用程序是文本分类，但尝试使用您的数据，让我们看看准确性如何。当然，您将需要训练数据，因此您可能必须首先通过自己对它们进行分类来创建一些数据行。