知识卡片
词频与文档出现率含义不同
总词频统计一个词在全语料出现多少次;归一词占比除以所有词次数;文档出现率则统计含该词的文档数除以文档总数。一个邮件重复table很多次可推高总词频,但只增加一次文档出现。选择统计量会改变模型强调的证据。
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3章 分类:垃圾过滤 试写第一个贝叶斯垃圾分类器 · 连续片段2 · 查看原书依据
spam.occurrence<-sapply(1:nrow(spam.matrix), function(i){length(which(spam.matrix[i,]>0))/ncol(spam.matrix)}) spam.density<-spam.df$frequenc
参考来源
- 位置:《机器学习:实用案例解析》第03章《试写第一个贝叶斯垃圾分类器 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3093.html,spine3199)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:spam.occurrence<-sapply(1:nrow(spam.matrix), function(i){length(which(spam.matrix[i,]>0))/ncol(spam.matrix)}) spam.density<-spam.df$frequenc