python naive Bayes 教程 - 什么是 two_obs_test[continuous_list]？答案

【问题标题】：python naive Bayes tutorial - what is two_obs_test[continuous_list]?python naive Bayes 教程 - 什么是 two_obs_test[continuous_list]？
【发布时间】：2021-05-11 14:48:57
【问题描述】：

我在 https://towardsdatascience.com/why-how-to-use-the-naive-bayes-algorithms-in-a-regulated-industry-with-sklearn-python-code-dbd8304ab2cf 关注朴素贝叶斯教程，但我坚持将第三个代码块中的引用解释为 two_obs_test[continuous_list]

完整的代码清单是...

# Observation_0
gssnX15p0 = (1/((2*np.pi*gssnX15var0)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,0]-gssnX15mean0)**2)/(2*gssnX15var0))
gssnX15p1 = (1/((2*np.pi*gssnX15var1)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,0]-gssnX15mean1)**2)/(2*gssnX15var1))

gssnX16p0 = (1/((2*np.pi*gssnX16var0)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,1]-gssnX16mean0)**2)/(2*gssnX16var0))
gssnX16p1 = (1/((2*np.pi*gssnX16var1)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,1]-gssnX16mean1)**2)/(2*gssnX16var1))

gssnX18p0 = (1/((2*np.pi*gssnX18var0)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,2]-gssnX18mean0)**2)/(2*gssnX18var0))
gssnX18p1 = (1/((2*np.pi*gssnX18var1)**0.5))*np.exp((-(two_obs_test[continuous_list].iloc[0,2]-gssnX18mean1)**2)/(2*gssnX18var1))

我在 sklearn 库中找不到 two_obs_test，当我用谷歌搜索它时，几乎没有出现。这是什么？

【问题讨论】：

标签： python naivebayes

【解决方案1】：

two_obs_test[continuous_list] 没有引用来自 sklearn 库的任何内容。它只是示例数据库的名称，您可以在此链接上以图片形式找到： link_of_the_database

continuous_list 指的是连续列名称，即 ['X15', 'X16', 'X18'] 并且有结果 two_obs_test[continuous_list].iloc[0,0] 指的是图 1 中的第一个观察结果变量 X15 的值为 -0.852371

我没有在任何其他地方找到有人逐步解释每个 sklearn 的 NB 是如何工作的，这就是本教程存在的原因！

【讨论】：

【解决方案2】：

教程有太多的空白。我认为在https://machinelearningmastery.com/naive-bayes-classifier-scratch-python/ 上可以更好地了解朴素贝叶斯内部的观点，而无需阅读整本书。我不坚持教程，我建议其他人避免它。

【讨论】：