Python NaiveBayes：为什么我会得到一个零错误

我正在试用

NaiveBayes

Python库（python2.7）

我想知道为什么运行此代码会给我一个

zero错误

#!/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))

以下是输出：

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

回溯（最近一次呼叫最后一次）：
文件“/tmp/py4127eDT”，第24行，在
结果=模型。预测（{'attributes'：{'Height'：212，'Weight'：200}）
文件“/usr/local/lib/python2.7/dist packages/NaiveBayes.py”，第152行，在predict中
分数[标签]/=sumPx
ZeroDivisionError：浮点除以零

---

我不熟悉贝叶斯分类器，所以我的输入有问题吗（即：数字的分布，还是样本不足？）

有两个问题：

首先，您使用的是Python2.7，需要Python3。在Python2中，它使用的除法转换为整数除法并返回零

其次，每个标签只有一个属性实例，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}

---

（向黑暗中射击）如果你强迫高度和重量浮动，问题还会持续吗？e、 g.

239.

而不是

239

等等？我试过了，它对一些输入有效，但不是所有输入都有效。我不知道为什么。