貝葉斯公式

p(A|D)=p(A)*p(D|A)/p(D);

可以應用於垃圾郵件的過濾和拼寫檢查

例如：對於拼寫檢查，寫出一個單詞D，判斷該單詞為正確單詞A的概率。為上述條件概率的描述。

其中p(A)為先驗概率，可以根據現有的數據庫中的單詞，來獲得A單詞的概率p(A)。由於正確的單詞不僅僅有A,還有可能有A1，A2....

最終比較p(A1|D)，p(A2|D)，p(A3|D)...由於分母比較時相同，可以只比較分子p(A)*p(D|A)

p(A|D)正比於p(A)*p(D|A)

分別計算p(A1)*p(D|A1)，p(A2)*p(D2|A)。其中p(D|A)，例如在寫A=good，錯寫為D=gooe是的概率。是根據增刪減距離獲得。

若 p(A1)*p(D|A1)=p(A2)*p(D2|A)，則根據實際生活中先驗概率的選擇p(A1),p(A2)大小選擇。

import  re,collections
def words(text):return re.findall(‘[a-z]+‘,text.lower())
def train(features):
    model=collections.defaultdict(lambda :1)
    for f in features:
        model[f]+=1
    return model
NWORDS=train(words(open(‘big.txt
 
‘).read()))
alphabelt=‘abcdefghijklmnopqrstuvwxyz‘
def edits1(word):
    n=len(word)
    return set([word[0:i]+word[i+1:] for i in range(n)]+                #deletion
          [word[0:i]+word[i+1]+word[i]+word[i+2:] for i in range(n-1)]+ #transposition
           [word[0:i]+c+word[i+1:]for i in range(n) for
 
 c in alphabelt]+ #alteration
           [word[0:i]+c+word[i:] for i in range(n+1)for c in alphabelt]) #insertion
def known_edits2(word):
    return set(e2 for e1 in edits1(word) for e2 in edits1(e1) if e2 in NWORDS)

def known(words):return set(w for w in words if w in NWORDS)
def correct(word):
    candidates=known([word])or known(edits1(word)or known_edits2(word)or[word])
    return max(candidates,key=lambda w:NWORDS[w])

print(correct(‘goode‘))

good

用貝葉斯實現拼寫檢查器