知识卡片
概率估计类以接口和特例复用
ProbDistI提供prob(sample)等概率接口,MLE直接用经验频率,Lidstone增加伪计数;Laplace和ELE继承Lidstone,只把γ固定为1和0.5。WittenBell走另一种未见质量分配,直接继承ProbDistI,不能因同为平滑就画成Lidstone子类。图只保留原文已给定义与签名,不表示一次创建会自动尝试全部估计器。
结构图: 类图
classDiagram
class ProbDistI {
prob(sample)
}
class MLEProbDist {
__init__(freqdist, bins=None)
prob(sample)
}
class LidstoneProbDist {
__init__(freqdist, gamma, bins=None)
prob(sample)
}
class LaplaceProbDist {
__init__(freqdist, bins=None)
}
class ELEProbDist {
__init__(freqdist, bins=None)
}
class WittenBellProbDist {
__init__(freqdist, bins=None)
prob(sample)
}
ProbDistI <|-- MLEProbDist
ProbDistI <|-- LidstoneProbDist
LidstoneProbDist <|-- LaplaceProbDist
LidstoneProbDist <|-- ELEProbDist
ProbDistI <|-- WittenBellProbDist
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 统计语言建模 2.1.1 为给定的文本开发MLE · 查看原书依据
class LaplaceProbDist(LidstoneProbDist)
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第2章 统计语言建模,spine056单元004;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00055.html。
- 结论依据:原文各class声明、构造与prob签名提供继承关系;方法/依赖来自实际类定义而非名称相似。未在本机运行示例或改变环境。
- 原始内容:self._ freqdist.N() class LaplaceProbDist(LidstoneProbDist): """ 该类用于获取频率分布。它使用计数 c 、样本结果 N 和能够被生成的样本值的频率 B 来计算一个样本的概率,计算公式如下: ( c+ 1) / ( N+B )