K-NN鄰居到Python

Question

這是我在Matlab寫了去年的 k-最近鄰概率分佈的代碼：

function [ p_y_x ] = p_y_x_KNN(y, K) 
    % Function calculates distribution p(y|x) for each class and each object 
    % from test dataset using KNN classifier 
    % y - matrix of sorted class labels for training dataset N1xN2 
    % K - number of nearest neighbors 
    % p_y_x - probability matrix for object in X 
    % each row of matrix represents distribution p(y|x)) N1xM 

    % N1 - number of elements in testing dataset 
    % N2 - number of elements in training dataset 
    % M - number of classes 

    N1 = size(y,1); 
    M = length(unique(y)); 
    p_y_x = zeros(N1,M); 
    N2 = size(y,2); 
    for i=1:N1 
     for j=1:M 
      p_y_x(i,j) = (1/K)*sum(y(i, 1:K) == j); 
     end 
    end 
    end 

它的工作原理。現在我需要將它翻譯成Python。到目前爲止我有這個，我不明白它有什麼問題。它不會工作。

def p_y_x_knn(y, k): 
    """ 
    Function calculates conditional probability p(y|x) for 
    all classes and all objects from test set using KNN classifier 
    :param y: matrix of sorted labels for training set N1xN2 
    :param k: number of nearest neighbours 
    :return: matrix of probabilities for objects X 
    """ 
    N1, N2 = y.shape 
    M = len(np.unique(y)) 
    p_y_x = np.zeros(shape=(N1, M)) 
    for i in range(1,N1): 
     for j in range(1,M): 
      p_y_x[i, j] = (1/k)*(np.sum(y[i,0:k] == j+1)) 
    return p_y_x 

我不能粘貼回溯，因爲這個功能僅僅是一個更大的項目的一部分，我得到的唯一輸出是「不及格」，甚至不是「錯誤」按往常一樣，在那裏我可以看到什麼不工作。與已經提供的其他東西一樣，排序標籤的矩陣是正確的。也許你們有些人可以在我的推理中看到任何明顯的錯誤？

編輯： 改變的代碼：

N1, N2 = y.shape 
M = len(np.unique(y)) 
p_y_x = np.zeros((N1, M)) 
for i in range(N1): 
    for j in range(M): 
     p_y_x[i, j] = (1.0/k)*(np.sum(y[i,0:k-1] == j)) 
return p_y_x 

我改變範圍和k作爲@StackPlayer建議，並且我失去了 'J + 1'，因爲我相信，一個不應被遞增。我仍然沒有得到任何錯誤，只是一個'失敗'。

Answer 1

您可能需要將for循環的0：k調整爲0：k-1 和相同，請按照它的方式使用範圍（不要嘗試將MATLAB 1-索引強制執行到0索引的Python！）

Answer 2

Stack Player說的沒錯。我對此答案的補充是使用python3使用此函數或將(1/k)更改爲(1.0/k)並使用python2。*因爲在python2 (1/k)中，其中k是整數，將返回整數0，並且所有元素均爲零。

好吧，測試這個代碼在Python和你的Matlab代碼給了我相同的結果。

def p_y_x_knn(y, k): 
    """ 
    Function calculates conditional probability p(y|x) for 
    all classes and all objects from test set using KNN classifier 
    :param y: matrix of sorted labels for training set N1xN2 
    :param k: number of nearest neighbours 
    :return: matrix of probabilities for objects X 
    """ 
    N1, N2 = y.shape 
    M = len(np.unique(y)) 
    p_y_x = np.zeros((N1, M)) 
    for i in range(N1): 
     for j in range(M): 
      p_y_x[i, j] = (1.0/k)*(np.sum(y[i,0:k] == j+1)) 
    return p_y_x