我想找到以下概率：

P(y=1/n=k; thetha) 

读作：

概率，即在给定词数为k的情况下，预测为类别1的概率，由thetha参数化

传统的分类算法没有这种条件概率（右侧）

P(y = 1; thetha) 

我该如何解决这个问题？

编辑：

例如，假设我想根据附件数量来预测一封邮件是否为垃圾邮件。设y=1表示垃圾邮件，y=0表示非垃圾邮件。

那么，

P(y = 1/num_attachements=0; some attributes)等等！

这有意义吗？

回答：

通常，附件数量只是另一个属性，因此您的概率与以下相同：

P(y = 1 | all attributes)

然而，如果您对附件有特殊处理（例如，其他属性是数值型而附件是布尔型），您可以分别计算它们，然后结合如下：

P(C|A, B) = P(C|A) * P(C|B) / P(C)

其中C表示事件y = 1，A表示附件，B表示其他属性。

请参阅这篇论文，了解几种朴素贝叶斯分类器的描述。