← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9771.e · 生成模型:DeepSeek-V4.1-Flash

用词级后验反查模型

理解等级:中级

模型训练完不只可以拿来预测,还可以打开看。对每个词算 P(垃圾|词) = P(词|垃圾)/(P(词|垃圾)+P(词|正常)),再按这个值排序,两端就是模型认为最像垃圾与最像正常的词。在 SpamAssassin 的结果里,最垃圾的一端是 sale、mortgage、money、rates,最正常的一端是 spambayes、users、apt、perl。

这是一种低成本健全性检查:如果最强证据是领域内合理的词,就对模型在做正确的事多一分信心;如果排在前面的是 http、某个发件人名字或纯符号,则多半是分词、特征或数据切分出了问题,而不是模型本身玄妙。要注意单词级后验只是边缘证据,它没有考虑其他词的补偿,不能直接换算成该词对某封具体邮件的影响大小。

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

    • 第13章 朴素贝叶斯算法 · 查看原书依据

      垃圾邮件最常用的单词包括 sale、mortgage、money 和 rates,而非垃圾邮件最常用的词包括 spambayes、users、apt 和 perl。因此,这也让我们直观上有信心,即模型基本上在做正确的事。

    参考来源

    - 位置:《数据科学入门(第2版)》第13章 朴素贝叶斯算法(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0017.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「垃圾邮件最常用的单词包括 sale、mortgage、money 和 rates……」 - 原始内容:垃圾邮件最常用的单词包括 sale、mortgage、money 和 rates,而非垃圾邮件最常用的词包括 spambayes、users、apt 和 perl。因此,这也让我们直观上有信心,即模型基本上在做正确的事。