Python NaiveBayes：为什么我会收到 ZeroDivisionError答案

【问题标题】：Python NaiveBayes: Why am I getting a ZeroDivisionErrorPython NaiveBayes：为什么我会收到 ZeroDivisionError
【发布时间】：2013-03-14 10:31:15
【问题描述】：

我正在试用NaiveBayes Python 库（python 2.7）

我想知道为什么运行这段代码会给我一个ZeroDivisionError。

#!/usr/bin/env python
import NaiveBayes

model = NaiveBayes.NaiveBayes()

model.set_real(['Height'])
model.set_real(['Weight'])
model.add_instances({'attributes':
                         {'Height': 239,
                          'Weight': 231,
                          },
                     'cases': 32,
                     'label':  'Sex=M'})

model.add_instances({'attributes':
                         {'Height': 190,
                          'Weight': 152
                          },
                     'cases': 58,
                     'label': 'Sex=F'
                     })

model.train()
result = model.predict({'attributes': {'Height': 212, 'Weight': 200}})

print("The result is %s" % (result))

这是输出：

Traceback (most recent call last):
  File "/tmp/py4127eDT", line 24, in <module>
    result = model.predict({'attributes': {'Height': 212, 'Weight': 200}})
  File "/usr/local/lib/python2.7/dist-packages/NaiveBayes.py", line 152, in predict
    scores[label] /= sumPx
ZeroDivisionError: float division by zero

我是贝叶斯分类器的新手，所以我的输入有问题（即：数字的分布，还是没有足够的样本？）

【问题讨论】：

（一枪进入黑暗）如果你强制高度和重量是浮动的，问题会持续吗？例如239. 而不是 239 等？
我试过了，它适用于一些输入，但不是全部。我不知道为什么。

标签： python python-2.7 bayesian

【解决方案1】：

有两个问题：

首先，您使用的是 python 2.7，而NaiveBayes 需要 python 3。在 python 2 中，它使用的除法转换为整数除法并返回零。

其次，每个标签的每个属性只有一个实例，因此 sigma 为零。

为您的真实属性添加更多变化：

import NaiveBayes

model = NaiveBayes.NaiveBayes()

model.set_real(['Height'])
model.set_real(['Weight'])
model.add_instances({'attributes':
                         {'Height': 239,
                          'Weight': 231,
                          },
                     'cases': 32,
                     'label':  'Sex=M'})

model.add_instances({'attributes':
                         {'Height': 233,
                          'Weight': 234,
                          },
                     'cases': 32,
                     'label':  'Sex=M'})
model.add_instances({'attributes':
                         {'Height': 190,
                          'Weight': 152
                          },
                     'cases': 58,
                     'label': 'Sex=F'
                     })
model.add_instances({'attributes':
                         {'Height': 191,
                          'Weight': 153
                          },
                     'cases': 58,
                     'label': 'Sex=F'
                     })

model.train()
result = model.predict({'attributes': {'Height': 212, 'Weight': 200}})

print ("The result is %s" % (result))

并使用python3：

$ python3 bayes.py
The result is {'Sex=M': 1.0, 'Sex=F': 0.0}

【讨论】：