Schätzung Naive - Bayes Wahrscheinlichkeitsfunktion

Question

Ich habe weiterhin Probleme mit Matlab-Übersetzung zu Python. Ich habe Code in Matlab, den ich letztes Jahr geschrieben habe (funktioniert) und versuche nun, die Funktionen in Python zu übersetzen. 5 von ihnen arbeiten, 4 nicht. Ich bin wirklich fest und würde etwas Hilfe lieben. In diesem Fall wird die Naive-Bayes-Wahrscheinlichkeit geschätzt. Hier ist die Funktion in Matlab:

function [ p_x_y ] = estimate_p_x_y_NB(Xtrain,ytrain,a,b) 

% Function calculates probability distribution p(x|y), assuming that x is binary 
% and its elements are independent from each other 

% Xtrain - training dataset NxD 
% ytrain - training dataset class labels 1xN 
% p_x_y - binomial distribution estimators - element at position(m,d) 
% represents estimator p(x_d=1|y=m) MxD 
% N - number of elements in training dataset 
D = size(Xtrain,2); 
M = length(unique(ytrain)); 
p_x_y = zeros(M,D); 
for i=1:M 
    for j=1:D 
     numerator = sum((ytrain==i).*((Xtrain(:,j)==1))')+a-1; 
     denominator = sum(ytrain==i)+a+b-2; 
     p_x_y(i,j) = numerator/denominator; 
    end 
end 
end 

Dies ist meine Übersetzung Python:

def estimate_p_x_y_nb(Xtrain, ytrain, a, b): 
    """ 
    :param Xtrain: training data NxD 
    :param ytrain: class labels for training data 1xN 
    :param a: parameter a of Beta distribution 
    :param b: parameter b of Beta distribution 
    :return: Function calculated probality p(x|y) assuming that x takes binary values and elements 
    x are independent from each other. Function returns matrix p_x_y that has size MxD. 
    """ 
    D = Xtrain.shape[1] 
    M = len(np.unique(ytrain)) 
    p_x_y = np.zeros((M, D)) 
    for i in range (M): 
     for j in range(D): 
      up = np.sum((ytrain == i+1).dot((Xtrain[:, j]==1)).conjugate().T) + a - 1 
      down = np.sum((ytrain == i+1) + a + b -2) 
      p_x_y[i,j] = up/down 
    return p_x_y 

Traceback:

p_x_y[i,j] = up/down 
ValueError: setting an array element with a sequence. 

Wenn Sie Probleme mit der Funktion sehen kann, würde ich Sei super glücklich, dass es darauf hingewiesen wurde. Außerdem habe ich .dot anstelle von * in der up Variablen verwendet, seit wann es * war, habe ich einen Fehler über ungenaue Dimensionen, aber mit diesem, scheint es zu funktionieren. Vielen Dank.

Answer 1

Ich denke, es gibt ein Problem in der Anweisung, wo Sie den Nenner zuweisen. Sie haben eine falsche Verwendung von Klammern

down = np.sum((ytrain == i+1) + a + b -2)

sollte

gemacht

down = np.sum((ytrain == i+1)) + a + b -2 

auch sein, versuchen

up = np.sum((ytrain == i+1).dot((Xtrain[:, j]==1)).conjugate().T) + a - 1

zu

up = np.sum((ytrain == i+1) * (Xtrain[:, j]==1)) + a - 1 

ich, dass Werke hoffen zu ändern. Ich sehe keine anderen Probleme mit Ihrem Code.

Nach dem Wechsel nutzte ich die Werte

Xtrain = np.array([[1,2,3,4,5], [1,2,3,4,5]]) 
ytrain = np.array([1,2]) 
a = 1 
b = 1 

Dies gab die Ausgabe als

array([[ 1., 0., 0., 0., 0.], 
     [ 1., 0., 0., 0., 0.]]) 

sowohl in MATLAB und Python. Sie können diese Werte überprüfen, wenn das Ergebnis wie erwartet ist.