我正在实现一个简单的朴素贝叶斯分类器，但我不明白如何正确计算类条件概率 (P(d|c))。为了完整起见，我很快想解释一下使用的术语。朴素贝叶斯概率由下式计算：
c 表示任意类，而 d 是文档。让 x = {x1,x2,...,xn} 是 n 个特征的列表，例如 50 个最频繁的二元组）。
在我的训练集中有 i 个类（由一个名为 c_i 的文件夹表示），每个类都有 k 个文档（由普通文本文件表示）。
先验概率 P(c) 可以很容易地计算：
现在我想计算P(d|c)。这应该由
现在我不太明白如何计算 P(x_i|c)。我采用特征 x_i（比如说 bigram“th”），现在检查它在 c 类中出现的频率。但是我该怎么做呢？每个类由 k 个文档表示。我必须连接所有这些文件吗？后来我肯定要除以“所有功能的总数”。这会是所有（连接的）文档中bigram“th”的频率吗？