理解算法-多项式朴素贝叶斯

Question

我被介绍了朴素贝叶斯分类方法(多项NB)，参考迈克尔西普瑟在他的书“计算理论”中的描述。

我正在研究所描述的训练和应用多项式NB的算法，如下所示：

​

然而，当我解释算法的某些方面时，我会不知所措。例如，在第6行的TRAINMULTINOMIALNB(C，D)中：

• CONCATENATE_TEXT_OF_ALL_DOCS_IN_CLASS(D，C)到底是做什么的？

到目前为止，我的理解如下。假设我们在课堂上有三个文件“电影”和“歌曲”：

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，您会被留给，比如说字符串：

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

是这样的吗？任何帮助理解这一点都是非常感谢的。

Answer 1

最后，您希望能够根据内容对一些文本进行分类。所以你想要能够说出它的歌曲或电影等等。

为了使用Bayes (或其他方法)实现这一点，您首先使用您的列车数据来构建模型。

首先，在第5行创建priors (类/总文档中的文档)，然后计算conditional probabilities (给定类电影的单词鱼概率，给定类歌曲的单词下雨概率)，第7-10行。您只需将该术语的出现除以类中的术语总数(加上一些平滑的-> +1)。这就是为什么你要串联--能够计算出一个类中出现的所有术语。

最后，在Bayes公式中插入这些值，并将一些unknonw文档分类为电影、歌曲、.更多维基