引言——“黑天鹅”
要得到95%以上置信度的统计效果，须要被统计的对象出现上千次，但是假如整个样本只有几千字，被统计的对象能出现几次就不错了。这样得到的数据可能和真实的概率相差很远。怎么避免“黑天鹅”？
古德-图灵折扣估计法
在词语统计中，有点词语固然是出现0次，但是实际的出现概率并不是永久不可能的零。
那须要把一些概率转移给到这些词语。
古德的做法实际上就是把出现1次的单词的总量，给了出现0次的，出现2次单词的总量给了出现1次的，以此类推。
古德的这种做法被称为“古德-图灵折扣估计”，因为它实际上是把高频词的词频打了一个折，多出来的词频分配给了低频词。
插值法
贾里尼克把条件概率和非条件概率加起来，得到一个新的概率。在相加之前，分别给这两个概率权重。例如，条件概率的权重（更高）是0.7，非条件概率的权重是0.3。
假如条件P(X|Y)本身比力大，它在新的概率估计中会占主导地位。假如P(X|Y)本身比力小，阐明它反正也不太可靠，而这时非条件概率，即P(X)本身则占了主导地位，因为X本身出现的次数会比力多，统计效果可信度会高一些。
插值法的英华在于，信赖那些见到次数比力多的统计效果，假如遇到统计数目不足时，就想法找一个可靠的统计效果来近似。
学习条记：《数学通识50讲》吴军 ——得到 ，概率论章节
墙裂推荐大家去学习《数学通识50讲》，吴军老师解说得超级超级好！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
