python分类器分5类_pythonnltk naivebayes分类器：这个分类器用于分类输入的底层计算是什么？...

我使用Python NLTK中的naivebayes分类器计算以下示例的概率分布：import nltk

def main():

train = [(dict(feature=1), 'class_x'), (dict(feature=0), 'class_x'), (dict(feature=0), 'class_y'), (dict(feature=0), 'class_y')]

test = [dict(feature=1)]

classifier = nltk.classify.NaiveBayesClassifier.train(train)

print("classes available: ", sorted(classifier.labels()))

print ("input assigned to: ", classifier.classify_many(test))

for pdist in classifier.prob_classify_many(test):

print ("probability distribution: ")

print ('%.4f %.4f' % (pdist.prob('class_x'), pdist.prob('class_y')))

if __name__ == '__main__':

main()

在训练数据集中有两个类(class_x和class_y)。每个类都有两个输入。对于类_x，第一个输入特性的值为1，第二个输入特性的值为0。对于类\ y，两个输入特征的值都为0。测试数据集由一个输入组成，值为1。在

当我运行代码时，输出是：

^{pr2}$

为了得到每个类的概率或可能性，分类器应该将类的先验值(在本例中为0.5)乘以类中每个特征的概率。应考虑平滑处理。在

我通常使用与此类似的公式(或类似的变体)：

p(特征|类)=类的先验值*类中特征的频率+1/类中的总特征+词汇大小。平滑可能会有所不同，并且会稍微改变结果。在

在上面的示例代码中，分类器是如何精确计算概率分布的？使用的公式是什么？在

我检查了here和here，但是没有得到关于计算是如何完成的任何信息。在

提前谢谢。在