我使用Naive Bayes进行文本分类，这就是我为指定类别中的每个术语创建初始权重的方法：
term3：第3项存在的次数/类别A中的文件数
term1：第1项存在的次数/ B类文件数
使用新的测试文档我根据测试文档中是否存在该术语来调整权重：
term3：测试文档中不存在，因此我使用1-weight进行类别A_term3
term1：存在于测试文档中，因此我对categoryB_term1使用与上面相同的权重
然后我将每个类别的权重相乘。 当我创建每个句子的虚拟列车/测试文档时，这种方法有效，但是当我为列车/测试文档实现真实文档时，当我将它们全部加在一起时，我会保持为零。这是因为概率是如此之小，以至于在乘以这么多小数后，python只会收敛到零？ 我很困难，我只是继续遇到同样的问题:(我真的很感谢你的帮助！
答案 0 :(得分：1)
正如Ed Cottrell评论的那样，如果遇到类别不在文档中的单词，您需要考虑会发生什么。您可以使用Laplace smoothing避免乘以0。如果在类别中的n个文档中看到k个单词，则将条件概率（k + 1）/（n + 2）或（k + a）/（n + 2a）分配给给定类别的单词。
不是采用许多小数的乘积，而是计算产品的对数是标准的。
log x*y = log x + log y
log(P(a0|c) * P(a1|c) * ... * P(ak|c))
= log P(a0|c) + log P(a1|c) + ... + log P(ak|c)
然后你得到的数字总和不是那么小。避免使用log 0.如果需要，您可以在之后进行取幂，但通常只需将决策阈值转换为对数条件。