拉普拉斯平滑（Laplace Smoothing）又称 加1平滑，常用平滑方法。解决零概率问题。 背景:为什么要做平滑处理? 零概率问题：在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。 在文本分类的问题中，当一个词语没有在训练样本中出 ...

　　概念 零概率问题：在计算事件的概率时，如果某个事件在观察样本库（训练集）中没有出现过，会导致该事件的概率结果是 $0$ 。这是不合理的，不能因为一个事件没有观察到，就被认为该事件一定不可能发生（即该事件的概率为 $0$ ）。 　　拉普拉斯平滑(Laplacian ...

就武断的认为该事件的概率是0。 拉普拉斯的理论支撑 　　为了解决零概率的问题，法国数学家拉普拉斯最早提 ...

其实就是计算概率的时候，对于分子+1，避免出现概率为0。这样乘起来的时候，不至于因为某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。在文本分类的问题中，当一个词语没有在训练 ...

朴素贝叶斯分类是一种生成式分类 p(y|x) = p(y,x) / p(x) =p(x|y) * p(y) | p(x) 在训练的时候假设x的所有特征是相互独立的，所以p(x|y) = 所有p(xi | y) 的乘积 只要通过贝叶斯展开+有xi独立 就能得到 这个模型里的参数就是，给定y ...

拉普拉斯变换 由于古典意义下的傅里叶变换存在的条件是\(f(t)\)除了满足狄拉克雷条件以外，还要在\((-\infty,\infty)\)上绝对可积，许多函数都不满足这个条件。在很多实际问题中，存在许多以时间 \(t\) 为自变量的函数，这些函数根本不需要考虑\(t<0\)的情况 ...

拉普拉斯变换的引入 首先能做的，是对周期函数做傅里叶级数展开，使用复数表达为： 至于为什么能展开成傅里叶级数，工数（高数）并没有说清楚，只给出了一个没有证明的迪利克雷条件，说只要满足该条件就一定能展开。 \[f(t) =\sum\limits_ ...

： 0 -1 0 -1 4 -1 0 -1 0 代码如下： 主要注意以下几点：1.拉普拉斯微分处理后，有些点像素值为负值，所 ...