如何编写for循环实现y_pr>=1标注1、y_pr<=-1标注-1的分类逻辑

问题说明 #

你现有代码的判断逻辑存在漏洞：当w^Tx_i + b的计算结果落在(-1, 1)区间时，所有样本都会被错误赋值为-1，不符合你指定的分类规则。

循环版本修改方案 #

直接拆分原else分支为多分支判断即可，落在间隔带的样本可根据需求设置占位值（示例中用np.nan标记未分类样本，也可自行调整为其他逻辑）：

import numpy as np

def cla(X,w,b):
    pre_te = np.zeros(len(X))
    length = X.shape[0]

    for i in range(length):
        y_pred = np.dot(np.array(X[i]), w.T) + b
        if y_pred >= 1:
            pre_te[i] = 1
        elif y_pred <= -1:
            pre_te[i] = -1
        else:
            # 间隔带样本自定义逻辑，如需强制分类可改为按超平面符号判断：pre_te[i] = 1 if y_pred >=0 else -1
            pre_te[i] = np.nan
    return pre_te

更高效的向量化实现（无需循环） #

针对numpy数组可以直接用向量化运算替代for循环，运行效率更高，尤其适合样本量更大的场景：

def cla_vectorized(X, w, b):
    y_pred_all = X @ w.T + b
    pre_te = np.where(y_pred_all >= 1, 1,
             np.where(y_pred_all <= -1, -1, np.nan))
    return pre_te

内容的提问来源于stack exchange，提问作者Hermi