思路与题解

• 数据读取与划分

  • 从标准输入读取一行 JSON，并解析出 $train$ 与 $test$。
  • $train$ 的维度为 $n \times (m+1)$，前 $m$ 列为特征，最后一列为标签 $y \in \{0,1\}$；$test$ 为 $t \times m$。

• 参数估计

  • 类别先验：对每个类别 $c$，计算 $π_c = \frac{N_c}{N}$。

题目内容

请你在仅使用 numpy/pandas 的前提下，手写实现高斯朴素贝叶斯(Gaussian Naive Bayes，GNB)，并对给定测试样本输出类别预测。具体流程：

1.读取数据

• train 字段：二维列表，每行最后一列为类别标签 $y∈$ {$0,1$}，其余为数值特征

• test 字段：二维列表，仅包含与训练集同维度的特征