如何更改NLTK中朴素贝叶斯分类器的平滑方法？

Question

我已经使用NLTK朴素贝叶斯方法训练了垃圾邮件分类器。垃圾邮件集和非垃圾邮件集都有20,000个单词实例在训练中。我注意到，当遇到未知功能时，就会classifier给它0.5带来垃圾邮件的可能性：>>> print classifier.prob_classify({'unkown_words':True}).prob('spam') 0.5我知道这Laplace Smoothing在贝叶斯分类中被称为。但是，我想将未知功能的垃圾邮件概率设置为0.4，因为未知功能更可能来自正常用户。如何使用NLTK实施它？

Answer 1

我找到了一种解决此问题的非常简单的方法。

我选择了12,000个垃圾邮件帐户和18,000个普通帐户来重新训练朴素贝叶斯分类器。垃圾邮件帐户和普通帐户的比例为0.4 / 0.6。

因此，当分类器收到训练集的未知特征时，它的垃圾邮件概率为0.4：

In [23]: classifier.prob_classify({'unknown_words': True}).prob('spam')

Out[23]: 0.40000333322222587