了解这个lambda函数如何工作

Question

了解这个lambda函数如何工作

4

我曾经认为自己理解lambda函数的工作原理，尽管我自己不使用它们。但是下面这个来自这篇教程的lambda函数完全让我困惑：

import matplotlib.pyplot as plt
import numpy as np
import sklearn
import sklearn.datasets
import sklearn.linear_model
import matplotlib

那很容易。更多内容：

# Generate a dataset and plot it
np.random.seed(0)
X, y = sklearn.datasets.make_moons(200, noise=0.20)
plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)
clf = sklearn.linear_model.LogisticRegressionCV()
clf.fit(X, y)

# Helper function to plot a decision boundary.
# If you don't fully understand this function don't worry, it just generates the contour plot below.

def plot_decision_boundary(pred_func):

    # Set min and max values and give it some padding
    x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
    y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
    h = 0.01

    # Generate a grid of points with distance h between them
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

    # Predict the function value for the whole gid
    Z = pred_func(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)

    # Plot the contour and training examples
    plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral)
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral)

现在有一句话我不太理解：

plot_decision_boundary(lambda x: clf.predict(x))

我已经多次阅读有关lambda的工作原理，但我仍然不明白这里的x如何传递之前正确的值。x如何映射到相关的值？

- Ada Stra

5个回答

4

plot_decision_boundary(lambda x: clf.predict(x))

这行代码传递了一个接受单个参数的函数到方法中。当Lambda表达式被执行时，或者该方法被传入参数调用时，它将执行clf.predict(x)。

在该方法内部，该函数被命名为pred_func并在此处使用其单个参数。

Z = pred_func(np.c_[xx.ravel(), yy.ravel()])

所以运行的代码是：

Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

- OneCricketeer

2

plot_decision_boundary(pred_func)实际上需要三个输入：X,y,pred_func

如果clf.predict(x)只需要x作为其输入，则不需要lambda。但是，对于其他预测函数，可能需要更多的输入（例如func(parameters, x)作为pred_func），以及一个不带参数的外部函数plot_decision_boundary，我们需要从一开始就插入它们：

plot_decision_boundary(lambda x: func(parameters, x), X, y)

- Chelsea Chen

2

x 是你在这里传递的连接后的 Numpy 对象：

Z = pred_func(np.c_[xx.ravel(), yy.ravel()])

pred_func是传递给plot_decision_boundary()的参数；通过调用它，您调用由lambda定义的函数对象。上面的语句翻译为：

clf.predict(np.c_[xx.ravel(), yy.ravel()])

- Martijn Pieters

太好了，谢谢。现在我会做一些作业来深入了解！ - Ada Stra

1

我们希望绘制轮廓线，因此需要为X轴、Y轴和相应的Z轴数值提供不同的坐标。

pred_func() is clf.predict(x), ie. the lambda function

因此，当您生成网格并将其连接起来（这是一个理解连接的好链接），并将其传递到pred_func中时，实际上是将lambda函数的x参数中的值传递给输出来自lambda函数clf.predict()的预测，即用于绘制轮廓的Z矩阵（输出z，对应于feature1和feature2的不同值）。

- user11129457

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- tdelaney · Accepted Answer

Lambdas是匿名函数。Lambda体只能是表达式（函数可以放置的子集），因为它们必须与其他代码内联。

plot_decision_boundary(lambda x: clf.predict(x))可以重写为

def call_clf_predict(x):
    return clf.predict(x)
plot_decision_boundary(call_clf_predict)

这里更清楚地解释了正在发生的事情。 plot_decision_boundary获得一个可调用对象，并使用单个参数np.c_[xx.ravel(),yy.ravel() 调用它。

但是在这种情况下不应该使用lambda。你可以直接这样做：

plot_decision_boundary(clf.predict)

在Python教程的大传统中，lambda又一次被滥用了。