舉個例子: 郵件是否是垃圾郵件

垃圾郵件里經常出現“廣告”，“購買”，“產品”這些單詞。 也就是 p(“廣告”| 垃圾) > p(“廣告”| 正常)，P(“購買”| 垃圾) > p(“購買”| 正常) …. 這些概率怎么計算？

假設: 每個郵件包含10個單詞

正常郵件24個? => 單詞: 240個? 購買出現過3次

垃圾郵件12個? => 單詞: 120個? ?購買出現7次

p("購買|正常") = 3/240

p("購買|垃圾") = 1/120

貝葉斯定理:p(x,y) = p(x|y)p(y) = p(y|x)p(x) ==> p(x|y) = p(y|x)p(x)/p(y)

條件獨立:

p(x,y|z) = p(x|z)p(y|z) x和y是條件獨立于變量z

?

來了一個新郵件"購買物品，不是廣告"p(正常|內容) >? p(垃圾|內容)= p(內容|正常)p(正常)/p(內容) >? p(內容|垃圾)p(垃圾)/p(內容)= p(內容|正常)p(正常) >? p(內容|垃圾)p(垃圾)p(正常)、p(垃圾)是先驗2/3,1/3p(內容|正常) = p(購買，物品、不是、廣告|正常) = p(購買|正常)p(物品|正常)p(不是|正常)p(廣告|正常) p(購買|正常)、p(物品|正常)、p(不是|正常)、p(廣告|正常)都是通過先驗知識計算

通過下面例子即可了解模型過程

背景：判斷新郵件是否異常數據如下：垃圾郵件:點擊 獲得 更多 信息購買 最新 產品 獲得 優惠優惠 信息 點擊 鏈接正常郵件：明天 一起 開會開會 信息 詳見 郵件最新 競品 信息新郵件：最新 產品 實惠 點擊 鏈接解決方法：v = {點擊、獲得、更多、信息、購買、最新、產品、優惠、鏈接、明天、一起、開會、詳見、郵件、競品} |v| = 15訓練模型：p(垃圾) = 1/2 p(正常)=1/2p(點擊|垃圾) = 3/28p(獲得|垃圾) = 3/28p(最新|垃圾) = 1/14p(產品|垃圾) = 1/14p(實惠|垃圾) = 3/28p(鏈接|垃圾) = 1/14p(點擊|正常) = 1/24p(獲得|正常) = 2/25p(最新|正常) = 2/25p(產品|正常) = 1/25p(實惠|正常) = 1/25p(鏈接|正常) = 1/25預測 p(垃圾|郵件) >? p(正常|郵件)p(郵件|垃圾)p(垃圾) >? p(郵件|正常)p(正常)3/28*3/28*1/14*1/14*3/28*1/14 >? 1/24*2/25*2/25*1/25*1/25*1/25underflow:采取log形式 overflow:采取平滑

?

總結

以上是生活随笔為你收集整理的NLP-基础知识-007(机器学习-朴素贝叶斯)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。