Question

我正在研究GAN（我是python的初学者），并且在以前的练习中发现了我不理解的代码的这一部分。具体来说，我不明白为什么使用第9行的布尔值（ Xk = X [Y == k] ），原因如下：

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()

该布尔值根据Y的真实性返回0或1 == k，因此，Xk始终是X列表的第一个或第二个值。是的，没有找到有用的工具。
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参数？
下一行的均值和协方差每次只用一个值来计算。

我觉得我不太了解某些基本知识。

Answer 1

您应考虑到X, Y, k是NumPy数组，而不是标量，并且某些运算符对其超载。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。

查看其工作原理：

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])

因此，==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X时，结果是一个数组，其中包含从True中选择的元素

因此len(Xk)将是X和k之间匹配元素的数量。

Answer 2

谢谢Artem

你是对的。我通过另一个渠道找到了另一个答案，这里是：

这是一个Numpy数组-这是NumPy数组的一个特殊功能，称为   布尔索引，可让您仅过滤掉数组中的值   过滤器返回True的地方：

https://docs.scipy.org/doc/numpy-1.13.0/user/basics.indexing.html?fbclid=IwAR3sGlgSwhv3i7IETsIxp4ROu9oZvNaaaBxZS01DrM5ShjWWRz22ShP2rIg#boolean-or-mask-index-arrays

将numpy导入为np

a = np.array（[1、2、3、4、5]）过滤器= a> 3

打印（过滤器）




[False，False，False，True，True]




print（a [过滤器]）




[4，5]

为什么在此贝叶斯分类器中使用此布尔值？（Python问题？）

2 个答案:

为什么在此贝叶斯分类器中使用此布尔值？ （Python问题？）

2 个答案:

为什么在此贝叶斯分类器中使用此布尔值？（Python问题？）