Question

我正在解决需要为上下文模型开发代码的问题： P（A | X）=Σa∈A（X，A）/Σa∈A（X，A）+Σb∈B（X，B）计算新刺激x属于A类的概率.S是我之前定义的相似函数：

def calculate_similarity(x, y, theta=0.1):
    return (np.prod([1 if x[i] == y[i] else theta for i in range(len(x))]))

该函数接受测试刺激，范例，范例名称和theta，并希望我们返回每个刺激属于A的概率数组。

def context_model(test_stimuli, exemplars, exemplar_categories, theta=0.1):

我知道我应该迭代每个测试刺激并计算它与样本之间的相似性 - 我甚至可以通过样本类别名称＆＃34; A＆＃34;和＆＃34; B＆＃34;，但是当我运行我的代码时，我得到了索引错误。

result = []
a_data = np.argwhere(exemplar_categories == 'A')
b_data = np.argwhere(exemplar_categories == 'B')
for x in test_stimuli: 
    a = [calculate_similarity(x, exemplars[i, :], theta) for a_data[i] in range(0, len(a_data))]
    b = [calculate_similarity(x, exemplars[i, :], theta) for b_data[i] in range(0, len(b_data))]
    final = sum(a)/ (sum(a) + sum(b))
    result = np.append(result, final)
return result

当我跑步时，

stimuli = np.array([
[1, 1, 1, 1, 0],
[0, 0, 1, 1, 0],
[1, 0, 0, 1, 1],
[1, 1, 0, 1, 1]])
exemplars = np.array([
[0, 0, 1, 0, 1],
[0, 1, 1, 1, 0],
[1, 0, 0, 0, 1],
[0, 0, 1, 1, 1],
[0, 0, 1, 0, 0],
[1, 0, 0, 1, 1]])
exemplar_categories = np.array(['B', 'A', 'B', 'B', 'B', 'A'])
context_model(stimuli, exemplars, exemplar_categories, theta=0.1)

我得到声明＆＃34;索引2超出轴0的大小为2

我已经解决了这个问题好几天了，不知道从哪里开始。我尝试将该函数应用于刺激中的每个X，然后解析出A和B数据，但没有任何工作。

任何帮助将不胜感激!!我还不熟悉编码，这个问题让我发疯了。

使用for循环，索引超出范围python

0 个答案: