改写Python核预测代码为列表推导式以支持任意数量数据点

你之前的两种写法错误原因如下：

• ynew = sum(w[i] * y[i])：缺少遍历索引的逻辑，sum仅接收了单个元素的计算值，无法完成所有对应位置的累加
• ynew = (sum(val * y[i]) for val in w)：把sum放在了生成器表达式内部，最终返回的是生成器对象而非累加后的数值结果

推荐实现（Python 风格写法） #

使用zip()函数同时遍历权重列表w和标签列表y，配对对应位置的元素相乘后求和：

ynew = sum(weight * label for weight, label in zip(w, y))

如果你习惯用索引遍历，也可以写成以下形式：

ynew = sum(w[i] * y[i] for i in range(len(w)))

完整通用版函数参考 #

以下是适配任意长度数据集的完整代码，你可以直接参考使用：

import math

def foobar(data, x_new, h):
    x = data[0]
    y = data[1]
    
    # Part1：计算所有核函数值
    k = [math.e**(-(x_new - val)**2 / (2 * h)) for val in x]
    
    # Part2：通用权重计算（你说已解决，此处补全供参考）
    sum_k = sum(k)
    w = [kh / sum_k for kh in k]
    
    # Part3：加权求和得到预测结果
    ynew = sum(weight * label for weight, label in zip(w, y))
    
    return ynew

该版本无需修改即可支持任意长度的输入数据集，仅需保证输入数据中特征列表x和标签列表y的长度一致即可。

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