条件概率与贝叶斯定理
朴素贝叶斯
拉普拉斯平滑
目的:
在训练集有限的情况下,给定类别,某一特征值出现的条件概率可能为0,这样在贝叶斯公式中分子和分母都为0,为了避免这种情况,就要用到拉普拉斯平滑。
即:在文本分类的问题中,当一个词语没有在训练样本中出现,该词语调概率为0,使用练乘计算文本出现概率时也为0.这是不合理的,不能因为一个事件没有观察到就武断的认为该事件的概率是0.
理论支撑:
为了结局零概率的问题,法国数学家拉普拉斯最早突出用加1的方法估计没有出现过的现象的概率,所以加法平滑也叫做拉普拉斯平滑。
嘉定训练样本很大时,每个分量X的计数加1造成估计概率变化可以忽略不记,但可以方便有效的避免零概率问题。
应用举例:
假设在文本分类中,有3个类,C1,C2,C3,在指定的训练样本中,某个词语K1,在各个类中观测计数分别为0,990,10,K1的概率为0,0.99,0.01,对这三个量使用拉普拉斯平滑的计算方法如下:
1/1003=0.001,991/1003=0.922,11/1003=0.011
在实际的使用中也经常使用加lambda(1>=lambda>=0)来代替简单的加1。如果对N个计数都加上lambda,这时分母也要记得加上N*lambda。