朴素贝叶斯分类：正确理解例子？

Question

我目前正在研究Naive Bayes分类的多项模型，并且遇到了以下示例：

我想我理解了一切，但我已经提出了以下我想要确认的推理：

对于给定的类c，文档d由术语t1，t2，...，tn组成。这是如何计算P（c | d）：

• P（class | doc）:( previous [c]）*（prob [t1 in c]）*（prob [t2 in c]）* ... *（prob [tn in c]）

• P（！class | doc）:( previous [！c]）*（prob [t1 in！c]）*（prob [t2 in！c]）* ... *（prob [tn in！c]）

这是对的吗？因此，这是功率3出现在（3/7）和（2/9）中的原因，表示P（中文| c）和P（中文|！c）以及“中文”出现的事实在d5中三次？

提前谢谢你。