这句话在R(朴素贝叶斯分类器)中的意义

Question

我正在研究我们的教授提供给我们的代码，用于创建一个朴素的Bayes分类器。请注意，我们并没有使用一些内置的包，而是为了学习目的自己编写它。

这位教授所用的一种说法使我感到困惑：

t = (Xtrain[,11] == c);

其中Xtrain是我们用来构造分类器的数据集。我想我明白Xtrain[,11] == c是做什么的，但我没有得到的是t的作业。有人能告诉我它的作用和原因吗？

编辑：

以下是他用来训练分类器的代码：

X = read.csv("naive_bayes_binary.csv");
tnum = nrow(X)/2;  
Xtrain = X[1:tnum,];  # the data we construct the classifier from
p = matrix(0,3,10);  #  p[c,j] = P(x_j = 1 | Y = c)
prior = rep(0,3);  # will be prior probs
n = rep(0,3);  # will be class counts
for (c in 1:3) {
    t = (Xtrain[,11] == c);    ### What is this?
    n[c] = sum(t);
    for (j in 1:10) {
        p[c,j] = sum(Xtrain[t,j] == 1)/n[c]  
    # empirical prob that jth feat = 1 for cth class
    }
}
prior = n/tnum;  # the prior probabilities of the classes

Answer 1

正如我在注释中提到的，t是一个逻辑向量，在X[,11]中表示等于c的值。如果将向量t之和，就会得到出现的次数(因为True是1，False是0)。

下面是一个小的工作示例：

## 10 classes
n <- rep(0,10)

# class number of interest
c <- 7

# data vector (in OP's example a column)
X11 <- sample(1:10,100,replace = T)

X11
      [1]  2  7  5 10  4  5  1  7  4  4  1  8  1  5  7  1 10  2  6  9 10  4  3  2  2  8  7 10  3  2  5  3 10  4  8  2  2  8  6  2  5  2
     [43]  1  4  9  3  3  4  9  7  5 10 10  9  6 10  9  8  7  9  8  2  1  1  4  5  3 10  4  9 10  3 10  1  7 10  6  8  3  1  9  5  5  2
     [85]  9  9  1  9  3  3  3 10  5  3  3  2  7  4  3 10


# vector of logicals
t <- X11 == c

t
  [1] FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
 [22] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [43] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 [64] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE

# assign number of occurrences
n[c] <- sum(t)

n的输出显示出8种情况：

n
 [1] 0 0 0 0 0 0 8 0 0 0

Answer 2

语句Xtrain[,11] == c返回真或假的布尔向量。如果Xtrain[,11]等于c值，否则向量中的值将为真。然后将该向量分配给t。

因此，t可能如下所示：

FALSE
FALSE
TRUE
TRUE
FALSE
TRUE

或者别的什么。同样，TRUE值是当对应的Xtrain[,11]行等于c时发生的，该值在循环中设置为1、2或3。

这个变量t显然是在语句n[c] = sum(t);后面使用的。当布尔人涉及算术时，它们被隐式转换为1(对于TRUE)和0(对于FALSE)。因此，基本上n[c]将在输入Xtrain[,11]中包含1、2或3的计数。

以下是一个完整的例子。假设Xtrain (Xtrain[,11])的第11列如下所示：

2
3
1
1
2
1

对于c=1，t如下所示：

FALSE
FALSE
TRUE
TRUE
FALSE
TRUE

所以nc = 3。

对于c=2，t如下所示：

TRUE
FALSE
FALSE
FALSE
TRUE
FALSE

所以n2 = 2。

对于c=3，t如下所示：

FALSE
TRUE
FALSE
FALSE
FALSE
FALSE

所以n3 = 1。