Python错误不支持的操作数类型
我正在尝试编写朴素贝叶斯分类器,但我一直遇到以下错误:Python错误不支持的操作数类型,python,machine-learning,Python,Machine Learning,我正在尝试编写朴素贝叶斯分类器,但我一直遇到以下错误: Traceback (most recent call last): File "<pyshell#30>", line 1, in <module> import naive_assignment File "C:\Python27\naive_assignment.py", line 655, in <module> main() File "C:\Python27\naive_assignment.
Traceback (most recent call last):
File "<pyshell#30>", line 1, in <module>
import naive_assignment
File "C:\Python27\naive_assignment.py", line 655, in <module>
main()
File "C:\Python27\naive_assignment.py", line 650, in main
pans.append(p.classify(row))
File "C:\Python27\naive_assignment.py", line 597, in classify
less50Kcp = less50Kcp + self.less_cat_probs.get(query[4])
TypeError: unsupported operand type(s) for +: 'float' and 'NoneType'
有人知道如何解决这个问题吗
self.less_cat_probs.get(查询[4])
的计算结果显然是None
-您需要检查并避免它,或者修复产生它的代码
错误消息很好地解释了这一点——它抛出了一个不受支持的类型错误,并告诉您不能在给定行上向NoneType
添加float
。正如我们可以看到的那样,less50Kcp
是一个浮点数,另一项必须是None
,因此出现错误,因为None
不是一个数字
一个可能的修复方法是假定self.less_cat_probs
是dict,将提供默认值0
,这样在找不到密钥时,加法仍然有效。例如:
less50Kcp=less50Kcp+self.less\u cat\u probs.get(查询[4],0)
然而,有一个问题是,这是否是所需的功能-您可能需要确保在dict中有所需的条目,并且可能希望在结果中重复此修复
请注意,您给我们的代码是复制/粘贴编码的一个非常糟糕的例子-这会导致更多的bug、更难的维护、更多的bug和更多的键入。我强烈建议正确地执行此操作,减少使用循环和数据结构的重复代码,这将更容易发现错误。
self.less_cat_probs.get(query[4])
显然计算为None
-您需要检查并避免它,或者修复产生它的代码
错误消息很好地解释了这一点——它抛出了一个不受支持的类型错误,并告诉您不能在给定行上向NoneType
添加float
。正如我们可以看到的那样,less50Kcp
是一个浮点数,另一项必须是None
,因此出现错误,因为None
不是一个数字
一个可能的修复方法是假定self.less_cat_probs
是dict,将提供默认值0
,这样在找不到密钥时,加法仍然有效。例如:
less50Kcp=less50Kcp+self.less\u cat\u probs.get(查询[4],0)
然而,有一个问题是,这是否是所需的功能-您可能需要确保在dict中有所需的条目,并且可能希望在结果中重复此修复
请注意,您给我们的代码是复制/粘贴编码的一个非常糟糕的例子-这会导致更多的bug、更难的维护、更多的bug和更多的键入。我强烈建议正确地执行此操作,减少使用循环和数据结构的重复代码,这将更容易发现错误
def classify(self, query):
less50Knp = 0.0
less50Kcp = 0.0
great50Knp = 0.0
great50Kcp = 0.0
less50Knp = less50Knp +self.less_num_prob_dist(float(query[1])/100)
less50Knp = less50Knp + self.less_num_prob_dist(float(query[3])/100)
less50Knp = less50Knp + self.less_num_prob_dist(float(query[5])/100)
less50Knp = less50Knp + self.less_num_prob_dist(float(query[11])/100)
less50Knp = less50Knp + self.less_num_prob_dist(float(query[12])/100)
less50Knp = less50Knp + self.less_num_prob_dist(float(query[13])/100)
less50Kcp = less50Kcp + self.less_cat_probs.get(query[2])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[4])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[6])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[7])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[8])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[9])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[10])
less50Kcp = less50Kcp + self.less_cat_probs.get(query[14])
less50K_prob = less50Kcp * less50Knp
great50Knp = great50Knp + self.great_num_prob_dist(float(query[1])/100)
great50Knp = great50Knp + self.great_num_prob_dist(float(query[3])/100)
great50Knp = great50Knp + self.great_num_prob_dist(float(query[5])/100)
great50Knp = great50Knp + self.great_num_prob_dist(float(query[11])/100)
great50Knp = great50Knp + self.great_num_prob_dist(float(query[12])/100)
great50Knp = great50Knp + self.great_num_prob_dist(float(query[13])/100)
great50Kcp = great50Kcp + self.great_cat_probs.get(query[2])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[4])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[6])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[7])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[8])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[9])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[10])
great50Kcp = great50Kcp + self.great_cat_probs.get(query[14])
great50K_prob = great50Kcp * great50Knp
if less50K_prob > great50K_prob:
return ' <=50K'
elif less50K_prob < great50K_prob:
return ' >50K'
else:
return 'unknown'
def main():
data = getInputData('./trainingset.txt')
test = getInputData('./queries.txt')
p = nbayes(data)
p.train()
pans = []
for row in test:
pans.append(p.classify(row))
print("n-bayes")
print(pans)
main()