信息检索与数据挖掘 2019/5/58 朴素贝叶斯分类求解 ▣顾：Naive Bayes text classification ·在文本分类中，我们的目标是找出文档最可能属于 的类别。对于NB分类来说，最可能的类是具有 MAP估计值的结果cmap: Cmap arg max P(cld)=arg max P(c)P(tklc) cEC ceC 1≤k≤nd 如何估计参数P(c)及P(tklc)? P(c)=N. P(tc)= T ∑remI ·零概率问题→平滑 Tct +1 Tct +1 p(tc)=∑rev(Tr+ ）(∑tev Tct)+B信息检索与数据挖掘 2019/5/5 8 朴素贝叶斯分类求解 回顾：Naive Bayestext classification • 在文本分类中，我们的目标是找出文档最可能属于 的类别。对于NB 分类来说，最可能的类是具有 MAP估计值的结果cmap： • 如何估计参数Pˆ(c)及Pˆ(tk |c ) ？ • 零概率问题平滑