BernoulliNB分类器代码工作原理解析及第5行逻辑疑问

这段代码是伯努利朴素贝叶斯分类器中统计类别-特征出现次数的核心步骤，用来为后续计算条件概率做准备，以下是逐行拆解：

整体功能 #

针对数据集中的每个类别，统计该类别样本里每个二元特征（0/1取值）出现的总次数（因为伯努利模型的特征只有“出现（1）”和“不出现（0）”两种状态，求和等价于统计1的个数）。

逐行详解 #

• counts = {}：创建一个空字典，用来存储「类别标签」对应「特征计数数组」的键值对。
• for label in np.unique(y):：遍历数据集中所有不重复的类别标签（np.unique(y)会自动去除y中的重复值，比如y是[0,1,0,1]时，会得到[0,1]两个类别）。
• counts[label] = X[y == label].sum(axis=0)：这行是核心，拆解成三步理解：
  1. y == label：生成一个和y长度相同的布尔数组，数组中为True的位置，对应原数据中属于当前label类别的样本。
  2. X[y == label]：用上述布尔数组对特征矩阵X做行筛选，得到一个子矩阵——仅包含当前类别下的所有样本，行是样本，列是特征。
  3. .sum(axis=0)：沿着列方向（axis=0代表按列聚合）求和。对每个特征列来说，把该类别所有样本的特征值（0或1）相加，结果就是这个特征在当前类别中出现的总次数。

直观示例 #

假设特征矩阵X和标签y如下：

X = np.array([[1,0,1],
              [0,1,1],
              [1,1,0],
              [0,0,1]])
y = np.array([0,1,0,1])

• 当label=0时，y == 0得到[True, False, True, False]，筛选X后得到子矩阵[[1,0,1],[1,1,0]]，sum(axis=0)计算结果为[2,1,1]——意思是类别0中，第1个特征出现2次，第2个特征出现1次，第3个特征出现1次。
• 当label=1时，筛选后的X子矩阵是[[0,1,1],[0,0,1]]，求和结果为[0,1,2]——类别1中第1个特征出现0次，第2个出现1次，第3个出现2次。

这些计数结果是伯努利朴素贝叶斯计算条件概率的基础，后续会结合拉普拉斯平滑（避免概率为0）和类别样本总数，得到每个特征在对应类别下的出现概率。

内容的提问来源于stack exchange，提问作者Maedeh Rahimi