Я работаю над классификацией счетов-фактур и квитанций, и я буду работать с моделью Bernoulli.Naïve Bayes Классификатор Bernoulli model
Это наивный байесовский классификатор:
P (с | х) = Р (х | с) х Р (с)/Р (х)
Я знаю, как вычислить Р (с), и поскольку мы предполагаем, что все слова независимы, нам не нужно P (x).
Теперь формула будет выглядеть так: P (c | x) = P (x | c) x P (c) и для вычисления P (x | c) мы выполняем метод точности, который вычисляет все вероятности слов P (c | X) = P (x1 | c) P (x2 | c) * P (x3 | c) ....
Мой вопрос заключается в вычислении вероятности, нужно ли умножить его на P (c) или нет, P (c | X) = P (x1 | c) P (x2 | c) * P (x3 | c) ... * P (c)?