機器學習之平滑技術

    拉普拉斯平滑（Laplace smoothing） 也就是參數爲1時的貝葉斯估計，當某個分量在總樣本某個分類中（觀察樣本庫/訓練集）從沒出現過，會導致整個實例的計算結果爲0。爲了解決這個問題，使用拉普拉斯平滑/加1平滑進行處理。 它的思想非常簡單，就是對先驗概率的分子（劃分的計數）加1，分母加上類別數；對條件概率分子加1，分母加上對應特徵的可能取值數量。這樣在解決零概率問題的同時，也保證了

>>阅读原文<<