知识卡片
示例求和评分并非朴素贝叶斯
书中predict实际计算sum(测试计数×类别词频向量×类别先验),这是加权求和,不是各词条件概率连乘,也不是对数概率相加。代码名NBayes不能证明实现了朴素贝叶斯,输出值不能作为后验概率解释。
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
- · 查看原书依据
def predict(self, testset): #预测分类结果,输出预测的分类类别 if np.shape(testset)[1]! =self.vocablen:# 如果测试集长度与词典不相等, # 则退出程序 print "输入
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html)
- 结论依据:摘录中关于示例求和评分并非朴素贝叶斯的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:def predict(self, testset): #预测分类结果,输出预测的分类类别 if np.shape(testset)[1]! =self.vocablen:# 如果测试集长度与词典不相等, # 则退出程序 print "输入