Naive Bayesianとゼロ周波数問題

Question

私はそれを正しく実装したと思います。 1つの部分が混乱しました：

ゼロ周波数問題： すべてのクラス値で属性値が発生しない場合、すべての属性値 - クラスの組み合わせ（ラプラス推定子）の数に1を加算します。

ここに私のクライアントコードの一部です：

//Clasify 
string text = "Claim your free Macbook now!"; 
double posteriorProbSpam = classifier.Classify(text, "spam"); 
Console.WriteLine("-------------------------"); 
double posteriorProbHam = classifier.Classify(text, "ham"); 

今すぐ単語「自由」のどこかに

//Training 
classifier.Train("ham", "Attention: Collect your Macbook from store."); 
*Lot more here* 
classifier.Train("spam", "Free macbook offer expiring."); 

学習データ中に存在している。しかし言葉は、カテゴリのための私のトレーニングデータに存在していると言います'迷惑メール'ではなく「迷惑メール」。だから私はposteriorProbHamを計算するために行くとき、私は単語 'フリー'に遭遇するときに何をするのですか？

Answer 1

さらに1つを追加します。理由：Naive Bayesは完全に独立しているとモデルP("free" | spam)とP("free" | ham)をモデル化しているため、それぞれ完全に独立した確率を見積もる必要があります。 P("free" | spam)に使用しているラプラス見積もりは(count("free" | spam) + 1)/count(spam)です。 P("ham" | spam)は同じです。

ハムで「フリー」と表示されると、スパムに「フリー」と表示されにくくなります。