我正在对发票和收据进行分类，我将使用伯努利模型。
这是朴素贝叶斯分类器：
P(c|x) = P(x|c) x P(c) / P(x)
我知道如何计算 P(c) 类先验概率，因为我们假设所有单词都是独立的，所以我们不需要 P(x)。
现在公式将是这样的： P(c|x) = P(x|c) x P(c) 为了计算 P(x|c)，我们使用似然法计算所有单词的概率 P(c| X) = P(x1|c)P(x2|c)*P(x3|c)....
我的问题是在计算似然之后我是否需要将它与 P(c) 相乘，P(c|X) = P(x1|c)P(x2|c)*P(x3|c)... *个人电脑）？
P(c|x) 不等于 P(x|c) P(c)。它是成比例的，就像你在分类时所做的那样
cl(x) = arg max_c P(c|x) = arg max_c P(x|c) P(c) / P(x) = arg max_c P(x|c) P(c)
这适用于每个概率分布，P(x)>0此时 不需要任何贝叶斯假设。这只是一个简单的贝叶斯定理 + 注意P(x)在这个方程中只是一个正常数。
因此，您从不实际计算P(c|x)，您只需计算P(x|c) P(c)哪个会给您相同的分类。我希望这表明您的分类必须基于 和 的乘积P(x|c)，P(c)正如您所指出的那样P(x|c) = PROD_i P(x_i|c)（这里我们使用关于独立性的朴素贝叶斯假设，而不是之前）。