sklearn文档中类似于数组的形状（n_samples，）vs [n_samples]

Question

对于sample_weight，其形状的要求是类似于数组的形状（n_samples），有时是类似于数组的形状[n_samples]。 （n_samples，）是指1d数组吗？和[n_samples]表示列表？或者他们彼此相同？ 这两种形式都可以在这里看到：http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html

Answer 1

您可以使用一个简单的示例对此进行测试：

import numpy as np
from sklearn.naive_bayes import GaussianNB

#create some data
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])

#create the model and fit it
clf = GaussianNB()
clf.fit(X, Y)

#check the type of some attributes
type(clf.class_prior_)
type(clf.class_count_)

#check the shapes of these attributes
clf.class_prior_.shape
clf.class_count_

或更高级的搜索：

#verify that it is a numpy nd array and NOT a list
isinstance(clf.class_prior_, np.ndarray)
isinstance(clf.class_prior_, list)

同样，您可以检查所有属性。

<强>结果

numpy.ndarray

numpy.ndarray

(2,)

array([ 3.,  3.])

True

False

结果表明这些属性是 numpy nd arrays 。