python - sklearn multinomialnb中的似然概率如何计算？

Question

我们可以使用 class_log_prior 和 feature_log_prob_ 打印类概率和特征概率（可能性）。当我尝试将自己的计算与 MultinomialNB sklearn 进行比较时，类日志先验是匹配的，但与特征日志概率不匹配。我已经观看了有关此的 youtube 视频，并在此处按照他们网站上的方程式http://scikit-learn.org/stable/modules/naive_bayes.html#multinomial-naive-bayes但是，我们的功能日志概率值并不相同. 我有很多功能，它是分类的，比如 word、postag、nextword、nextnextword、bigram 等。

我从阅读方程式中得到的是

P(X|y)=(y类中特征X的数量+alpha)/(y类中所有特征的数量+所有类中唯一特征的数量)

因此，如果我有功能 Word:Hello 并且我的类是命名实体 OTHER，并且我将 alpha 设置为 1.0，它将变为：

P(word:hello|OTHER)=(OTHER类中Word:Hello的数量+1)/(OTHER类中所有特征的数量+所有类中唯一特征的数量)

这个对吗？或者我在表示具有多个特征的方程时可能是错误的？以前有人算过吗？或者也许可以在excel中举一些例子？

标签： pythonscikit-learnnaivebayesmultinomial