作为机器学习课程作业的一部分，我正在实现一个不使用任何外部库的朴素贝叶斯分类器。

我的训练数据集X有8个特征和一个二元标签，共有800行；我已经按类别计算了每个特征的均值和标准差的1:8向量，以及两个类别的先验概率。

为了评估分类器在训练数据集上的准确性，我想生成一个具有相同维度（i=800, j=8）的矩阵Y，其中每个元素y_ij 定义为

y_ij = dnorm(x_ij, mean = mean_j, sd_j, log = T)

我尝试过使用sweep, apply 和 lapply 但都没有成功。我现在卡住了，不幸的是，这更多是由于对R语言的不熟悉，而不是对算法的理解。非常感谢您的帮助。

回答：

可能有更好的数据设置方法，但如果你已经有了X以及均值和标准差的两个向量xmean和xsd，你可以使用sapply。这是一个可复现的示例：

X <- matrix(rnorm(30), 10, 3)xmean <- apply(X, 2, mean)xsd <- apply(X, 2, sd)sapply(1:ncol(X), function(j) { dnorm(X[,j], xmean[j], xsd[j], log = TRUE) })

🐙