質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.52%

  • 機械学習

    935questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • 自然言語処理

    147questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

ナイーブベイズを使ったテキスト分類について

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 669

uramot

score 14

現在ナイーブベイズを用いたテキスト分類器を作成しています。その時に疑問に思ったことについてお聞きしたいと思います。
ナイーブベイズを用いたテキスト分類では、ドキュメントがカテゴリに分類される確率を、カテゴリをc、ドキュメンをdとすると、 P[c|d] = P[c]P[d|c]し、ドキュメントをBoWとして、ドキュメントに含まれる用語をtiとすると、P[d|c]=Π P[ti|c]で表すことができると思います。

このP[d|c]を求める際に疑問に思ったのですが、このまま計算すると、ドキュメントに含まれる用語が多くなればなるほどP[d|c]が小さくなってしまうと思うのですが、これで合ってるのでしょうか?

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

ドキュメントに含まれる用語が多くなればなるほどP[d|c]が小さくなってしまうと思うのですが、...

なりませんね。

p[ti|c] の i は、各文書に出てきた単語をあたまから 0, 1, 2,... と数えているのではなく、語彙中の単語の添字だからです。つまり、どのカテゴリについても総積記号Πのかける回数(語彙サイズ)は同じです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/01/22 10:07

    ご回答ありがとうございます。Πの繰り返し回数は与えられた文書サイズではなく、語群サイズだったんですね。ここを勘違いしていたみたいです。

    キャンセル

  • 2017/01/22 10:17

    当然、アンダーフローを起こすので対数をとって計算してください。

    キャンセル

  • 2017/01/22 10:23

    https://web.stanford.edu/class/cs124/lec/naivebayes.pdf
    と思ったけれど、まちがっていました。申し訳ありません。
    小さくなるであっています。。。
    各ドキュメントがどのカテゴリに振り分けられるかを決めるので、同じドキュメントについてのかける回数は同じ。が正解です。

    恥ずかしや。

    キャンセル

  • 2017/01/23 23:06

    ご返信ありがとうございます。
    やはりドキュメントに含まれる用語の数が増えるとP[d|c]は小さくなってしまうんですね。
    ちなみに、このような場合の対処法はどのようなものがありますか?

    キャンセル

  • 2017/01/24 10:30

    やはり対数を取ることかと思います。

    キャンセル

同じタグがついた質問を見る

  • 機械学習

    935questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • 自然言語処理

    147questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。