There is one caveat. In order to av

There is one caveat. In order to avoid the zerofrequency
problem our implementation of naive Bayes
uses the Laplace estimator to estimate the conditional
probabilities for nominal attributes and this interacts
with the weighting scheme. We found empirically that
it is opportune to scale the weights so that the total
weight of the instances used to generate the naive
Bayes model is approximately k. Assume that there
are r training instances x; with d; :

ผลลัพธ์ (ไทย) 1:

Caveat เดียวได้ เพื่อหลีกเลี่ยงการ zerofrequencyปัญหาของเราใช้ของ Bayes ขำน่าใช้ประมาณการลาปลาสการประเมินแบบมีเงื่อนไขกิจกรรมสำหรับแอตทริบิวต์ที่ระบุและนี้มีการโต้ตอบกับโครงร่างของน้ำหนัก เราพบ empirically ที่จะไปชั่งน้ำหนักเพื่อให้ผลรวมน้ำหนักของอินสแตนซ์ที่ใช้ในการสร้างขำน่าBayes จำลองเป็นประมาณคุณประมาณว่ามีมี r กรณีฝึกอบรม x ด้วย d : < = dk. นั้นน้ำหนัก rescaled w จะคำนวณดังนี้:

ผลลัพธ์ (ไทย) 2:

มีอยู่คนหนึ่งข้อแม้คือ เพื่อที่จะหลีกเลี่ยงการ zerofrequency
ปัญหาการดำเนินงานของเราในการที่ไร้เดียงสา Bayes
ใช้ประมาณการเลซในการประมาณตามเงื่อนไขที่น่าจะเป็นสำหรับแอตทริบิวต์ที่กำหนดและมีปฏิสัมพันธ์กับโครงการน้ำหนัก เราสังเกตุพบว่ามันเป็นโอกาสที่จะไต่น้ำหนักเพื่อให้รวมน้ำหนักของกรณีที่ใช้ในการสร้างที่ไร้เดียงสารูปแบบเบส์จะอยู่ที่ประมาณk สมมติว่ามีกรณีการฝึกอบรมอา x; กับ d; <=; DK แล้วน้ำหนัก rescaled ก; จะคำนวณดังนี้

ผลลัพธ์ (ไทย) 3:

มีหนึ่ง caveat . เพื่อหลีกเลี่ยงปัญหาการดำเนินงานของเรา zerofrequency

ใช้ Naive Bayes estimator ลาปลาสประเมินเงื่อนไข
ความน่าจะเป็นสำหรับคุณลักษณะชื่อและโต้ตอบ
ด้วยน้ำหนักแบบ เราพบสังเกตุว่า
มันเป็นใจขนาดหนักจนน้ำหนักรวม
ของอินสแตนซ์ที่ใช้ในการสร้างซื่อ
เบย์ แบบประมาณ K . สมมติว่ามีการอินสแตนซ์ x
r ; d ; < = ; DK แล้ว
rescaled น้ำหนัก W ; คำนวณดังนี้