贝叶斯:英国数学家
贝叶斯方法解决“逆概”问题。
贝叶斯公式:
拼写纠正实例:假如用户输入的是错误的D,那用户真正想要输入的是哪个单词呢?可能的是h1,也可能是h2,...,hn
那每种情况出现的概率是P(h1|D),P(h2|D),...,P(hn|D)统一为P(h|D)。
P(h|D)=P(h)*P(D/h)/P(D)
模型比较理论:
最大似然:最符合观测数据(P(D|h))的最有优势
奥卡姆剃刀:P(h)较大的模型有较大的优势
最大似然:当我们投一枚硬币,当时正面的时候,正面的概率是1,那就说下次出现正面的概率是100%
奥卡姆剃刀:有n个点拟合数据,一阶多项式穿过一些点,二阶穿过更多的点,三阶,n阶,那么哪个模型最靠谱呢?越是高阶的模型越是不常见。
贝叶斯拼写检查器:
import re, collections
def words(text): return re.findall('[a-z]+', text.lower())
def train(features):
model = collections.defaultdict(lambda: 1)
for f in features:
model[f] += 1
return model
NWORDS = train(words(open('big.txt').read()))
alphabet = 'abcdefghijklmnopqrstuvwxyz'
def edits1(word):
n = len(word)
return set([word[0:i]+word[i+1:] for i in range(n)] + # deletion
[word[0:i]+word[i+1]+word[i]+word[i+2:] for i in range(n-1)] + # transposition
[word[0:i]+c+word[i+1:] for i in range(n) for c in alphabet] + # alteration
[word[0:i]+c+word[i:] for i in range(n+1) for c in alphabet]) # insertion
def known_edits2(word):
return set(e2 for e1 in edits1(word) for e2 in edits1(e1) if e2 in NWORDS)
def known(words): return set(w for w in words if w in NWORDS)
def correct(word):
candidates = known([word]) or known(edits1(word)) or known_edits2(word) or [word]
return max(candidates, key=lambda w: NWORDS[w])
调用correct()结果如下: