知识卡片
对数评分避免概率连乘下溢
独立词概率乘积可转换成对数概率和,比较时不必存储极小乘积。未知词给定一个正下界,但.Machine$double.eps表示1附近的相对机器精度,并非最小正浮点数。该常数仍是评分假设,过大或过小会改变搜索偏好。
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7章 优化:密码破译 密码破译优化问题 · 连续片段2 · 查看原书依据
实际上计算的是对文本串的概率取对数之后的值,也就是把每个单词的概率取对数再累积求和之后的结果。这个结果就稳定多了。 log.probability.of.text<-function(text, cipher, lexical.database=list()) { log.pro
参考来源
- 位置:《机器学习:实用案例解析》第07章《密码破译优化问题 · 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/part3112.html,spine3218)
- 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:实际上计算的是对文本串的概率取对数之后的值,也就是把每个单词的概率取对数再累积求和之后的结果。这个结果就稳定多了。 log.probability.of.text<-function(text, cipher, lexical.database=list()) { log.pro