为什么这个布尔值在这个贝叶斯分类器中？

Question

我正在研究GANs（我是python的初学者），我在之前的练习中发现这部分代码我不明白。具体来说，我不明白为什么使用第 9 行的布尔值（Xk = X[Y == k]），原因我写在下面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()该布尔值返回 0 或 1，具体取决于 Y == k 的真实性，因此 Xk 始终是 X 列表的第一个或第二个值。你没有找到那个的效用。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。我觉得我没有理解一些非常基本的东西。

Answer 1

您应该考虑X, Y, kNumPy 数组，而不是标量，并且某些运算符为它们重载。特别是==基于布尔的索引。==将是逐元素比较，而不是整个数组比较。

看看它怎么运作：

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，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])

结果是一个数组，其中的元素从X条件为True

因此len(Xk)将是X和之间匹配元素的数量k。