鉴于贝叶斯公式为：
P(A|B) = (P(B|A) * P(A)) / P(B)
让我们说我想训练一个分类器来分类垃圾邮件/火腿。还可以说，在现实世界中，我们得到大约1％的垃圾邮件。因此，如果提供样本输入，我们预计会有大约1％的垃圾邮件。
当我训练我的分类器时，我是否应该使用仅包含1％垃圾邮件的文档进行训练，或者是否可以使用更大比例的垃圾邮件训练我的分类器，那么我希望在现实世界中找到它。 / p>
我问这个，因为如果我有更大比例的垃圾邮件，那么
的值P(A)
将会异常大。这会摒弃我的分类器吗？在这种情况下，它会对一些＆＃34; ham＆＃34;进行分类。文件为＆＃34;垃圾邮件＆＃34;？
答案 0 :(得分：0)
要训练贝叶斯估计，你需要学习PDF P（X | H）和P（X | S），其中X是你当前的观察，H，S代表垃圾邮件/火腿类，每个只训练来自其类的例子，即P（X | H）仅从火腿样本中学习，而P（X | S）仅从垃圾邮件样本中学习。如果垃圾邮件与火腿样本的数量反映现实，那么这一点并不重要。然而，稍后，要进行适当的贝叶斯估计，您需要估计先验P（H）和P（S），并且那些应该捕获现实垃圾/火腿的比例。