我们可以使用class_log_prior和feature_log_prob_来打印类别概率和特征概率（似然度）。当我尝试将自己的计算与MultinomialNB sklearn进行比较时，类日志优先级是匹配的，但与功能日志概率不匹配。 我已经观看了有关此内容的youtube视频，并按照此处http://scikit-learn.org/stable/modules/naive_bayes.html#multinomial-naive-bayes上他们网站上的公式进行操作，但是，我们的功能日志概率值并不相同。我有很多功能，而且是分类的，例如单词，postag，下一个单词，下一个下一个单词，二义字等。
通过阅读方程式得到的是
P（X | y）=（类别y中的特征X数量+ alpha）/（类别y中的所有特征数量+类别中的唯一特征数量）
因此，如果我具有Word：Hello功能，并且我的类是命名实体OTHER，并且我将alpha设置为1.0，它将变为：
P（word：hello | OTHER）=（OTHER类中Word：Hello的数量+ 1）/（OTHER类中所有特征的数量+ CLASS中独特特征的数量）
这是正确的吗？或者在用多个功能表示方程式时我错了吗？有人算过吗？或者也许可以在excel中举一些例子？