本文探讨了在贝叶斯算法中处理重复词语的三种方法：多项式模型，伯努利模型和混合模型。多项式模型会统计每个样本中重复词语的次数，伯努利模型则将重复词语视为出现一次，而混合模型在统计训练时考虑重复，但在计算句子概率时不考虑。
什么是重复词语？
我们预测一封邮件是否是垃圾邮件，前面已经介绍，我们需要对其进行分词处理，问题是分词处理之后很有可能有重复的词，那么这重复的词如何处理，这里我们介绍三种方式：
1.多项式模型
2.伯努利模型
3.混合模型
重复的情况举例
现在有一个垃圾邮件，它的内容是代开发票。增值税发票，正规发票，那么我们将其分词处理为（“代开”,“发票”,“增值税”,“发票”,“正规”,“发票”），我们可以看到发票出现了三次，那么我们下面来看一下不同的模型处理的方式有什么不同
多项式模型
在统计计算P(“发票”|S）时，每个被统计的垃圾邮件样本中重复的词语也统计多
订阅专栏 解锁全文
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
