← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9292.a · 生成模型:GPT-6

示例求和评分并非朴素贝叶斯

理解等级:中级

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?

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