为什么这个布尔值在这个贝叶斯分类器中？ （Python 个问题？）
Why this boolean is in this bayes classifier? (Python question?)
我正在研究GANs（并且我是python的初学者），我发现之前练习中的这部分代码我看不懂。具体来说，我不明白为什么使用第 9 行的布尔值 (Xk = X[Y == k])，原因我在下面写下
class BayesClassifier:
def fit(self, X, Y):
# assume classes are numbered 0...K-1
self.K = len(set(Y))
self.gaussians = []
self.p_y = np.zeros(self.K)
for k in range(self.K):
Xk = X[Y == k]
self.p_y[k] = len(Xk)
mean = Xk.mean(axis=0)
cov = np.cov(Xk.T)
g = {'m': mean, 'c': cov}
self.gaussians.append(g)
# normalize p(y)
self.p_y /= self.p_y.sum()
- 布尔值 return 0 或 1 取决于 Y == 的真实性
k，因此 Xk 总是 X 列表的第一个或第二个值。 Y 没有找到它的用处。
- 在第 10 行中，len(Xk) 始终为 1，为什么它使用该参数而不是单个 1？
- 下一行的均值和协方差每次只计算一个值。
我觉得我不太了解一些非常基本的东西。
您应该考虑到 X, Y, k 是 NumPy 数组，而不是标量，并且某些运算符已为它们重载。特别是 == 和基于布尔的索引。 == 将是逐元素比较，而不是整个数组比较。
看看它是如何工作的：
In [9]: Y = np.array([0,1,2])
In [10]: k = np.array([0,1,3])
In [11]: Y==k
Out[11]: array([ True, True, False])
所以，==的结果是一个布尔数组。
In [12]: X=np.array([0,2,4])
In [13]: X[Y==k]
Out[13]: array([0, 2])
当条件为True
时，结果是从X中选择元素的数组
因此 len(Xk) 将是 X 和 k 之间的匹配元素数。
谢谢，阿尔乔姆，
你是对的。我在另一个渠道找到了另一个答案，这里是：
It's a Numpy array - it's a special feature of NumPy arrays called
boolean indexing that lets you filter out only the values in the array
where the filter returns True:
import numpy as np
a = np.array([1, 2, 3, 4, 5]) filter = a > 3
print(filter)
[False, False, False, True, True]
打印(a[过滤器])
[4, 5]
我正在研究GANs（并且我是python的初学者），我发现之前练习中的这部分代码我看不懂。具体来说，我不明白为什么使用第 9 行的布尔值 (Xk = X[Y == k])，原因我在下面写下
class BayesClassifier:
def fit(self, X, Y):
# assume classes are numbered 0...K-1
self.K = len(set(Y))
self.gaussians = []
self.p_y = np.zeros(self.K)
for k in range(self.K):
Xk = X[Y == k]
self.p_y[k] = len(Xk)
mean = Xk.mean(axis=0)
cov = np.cov(Xk.T)
g = {'m': mean, 'c': cov}
self.gaussians.append(g)
# normalize p(y)
self.p_y /= self.p_y.sum()
- 布尔值 return 0 或 1 取决于 Y == 的真实性 k，因此 Xk 总是 X 列表的第一个或第二个值。 Y 没有找到它的用处。
- 在第 10 行中，len(Xk) 始终为 1，为什么它使用该参数而不是单个 1？
- 下一行的均值和协方差每次只计算一个值。
我觉得我不太了解一些非常基本的东西。
您应该考虑到 X, Y, k 是 NumPy 数组，而不是标量，并且某些运算符已为它们重载。特别是 == 和基于布尔的索引。 == 将是逐元素比较，而不是整个数组比较。
看看它是如何工作的：
In [9]: Y = np.array([0,1,2])
In [10]: k = np.array([0,1,3])
In [11]: Y==k
Out[11]: array([ True, True, False])
所以，==的结果是一个布尔数组。
In [12]: X=np.array([0,2,4])
In [13]: X[Y==k]
Out[13]: array([0, 2])
当条件为True
X中选择元素的数组
因此 len(Xk) 将是 X 和 k 之间的匹配元素数。
谢谢，阿尔乔姆，
你是对的。我在另一个渠道找到了另一个答案，这里是：
It's a Numpy array - it's a special feature of NumPy arrays called boolean indexing that lets you filter out only the values in the array where the filter returns True:
import numpy as np
a = np.array([1, 2, 3, 4, 5]) filter = a > 3
print(filter)
[False, False, False, True, True]
打印(a[过滤器])
[4, 5]