理解算法 - 多项式朴素贝叶斯

Question

我已经了解了朴素贝叶斯 class 化方法（多项式 NB），参考了 Michael Sipser 在他的书中如何描述 "The Theory of Computation"。

我正在查看针对训练和应用多项式 NB 所描述的算法，如下所示：

但是，在解释算法的某些方面时，我感到茫然。例如，在第 6 行的 TRAINMULTINOMIALNB(C, D) 中：

CONCATENATE_TEXT_OF_ALL_DOCS_IN_CLASS(D, C) 究竟是做什么的？

到目前为止，我的理解如下。假设我们在 class "movies" 和 "songs" 中有三个 - 3 - 文档：

MOVIES
    DOC1 = "big fish"
    DOC2 = "big lebowski"
    DOC3 = "mystic river"

SONGS
    DOC1 = "purple rain"
    DOC2 = "crying in the rain"
    DOC3 = "anaconda"

在应用 CONCATENATE_TEXT_OF_ALL_DOCS_IN_CLASS(D, C) 之后，您是否会留下字符串：

String concatenatedMovies = "big fish big lebowski mystic river" 
String concatenatedSongs = "purple rain crying in the rain anaconda"

这样对吗？非常感谢任何有助于理解这一点的帮助。

Answer 1

最后，你希望能够根据内容对一些文本进行分类。所以你希望能够说出它是歌曲还是电影等
为了使用贝叶斯（或其他方法）做到这一点，您首先使用训练数据构建模型。

首先，通过在第 5 行创建 priors（class 中的文档/总文档）。比起你计算 conditional probabilities（给定 class MOVIES 的单词 fish 的概率，给定 class SONGS 的单词 rain 的概率），第 7-10 行。您只需将术语的出现次数除以 class 中的术语总数（加上一些平滑 -> +1）。这就是为什么你连接 - 能够计算一个术语在 class.
中的所有出现次数最后，您将这些值插入贝叶斯公式，可以将一些未知文档分类为电影、歌曲、... 更多wiki

理解算法 - 多项式朴素贝叶斯

Understanding algorithm - Multinomial Naive Bayes

java

algorithm

naivebayes