Question

我有5个模型的概率输出，并且我按元素逐个求和概率：

probs = [None] * 5

for i in range(0,5):
  probs[i] = models[i].predict_proba(X)

probs[0] + probs[1] + probs[2] + probs[3] + probs[4]

这很好用。

然后，我尝试通过以下方式简化上述代码：

probs = [None] * 5
results = [None]

for i in range(0,5):
  probs[i] = models[i].predict_proba(X)
  results += probs[i]

results

但是出现了以下错误：

TypeError unsupported operand type(s) for +: 'NoneType' and 'float' 
TypeErrorTraceback (most recent call last)
<ipython-input-20-8d4d443a7428> in <module>()
      4 for i in range(0,5):
      5   probs[i] = models[i].predict_proba(X)
----> 6   results += probs[i]
      7 
      8 results

TypeError: unsupported operand type(s) for +: 'NoneType' and 'float'

我怎么能修复这样的错误？感谢。

Note: 

probs[i] is of format:

array([[  9.99877759e-01,   1.22241455e-04],
       [  9.99694005e-01,   3.05994629e-04],
       [  9.47546608e-01,   5.24533925e-02],
       [  1.83994998e-01,   8.16005002e-01],
       [  9.66928729e-01,   3.30712706e-02],
       [  9.99487283e-01,   5.12717255e-04],
       [  2.85824823e-03,   9.97141752e-01],
       [  9.97979081e-01,   2.02091861e-03],
       [  9.99744813e-01,   2.55186665e-04]])

Answer 1

您的问题是，您尝试将float添加到None。您可以使用列表解析来大大简化代码：

probs = [models[i].predict_proba(X) for i in range(5)]

然后得到总和，只需sum(probs)

Answer 2

您在开始时将[None]指定为result，然后尝试在for循环的第一次迭代中立即添加它，这会导致错误消息。

相反，您可以尝试使用列表解析，因为使用Python：

result = sum([models[i].predict_proba(X) for i in range(5)])

Answer 3

您将结果定义为列表，但它应该是浮点类型。试试这个：

results = 0

Answer 4

这应该可以解决问题：

probs = [None] * 5
results = np.zeros(data.shape)

for i in range(0,5):
  probs[i] = models[i].predict_proba(X)
  results += probs[i]

results

其中，data.shape应该是models[i].predict_proba(X)的结果的预期形状。

Python：逐个元素地对数组求和

4 个答案: