数据挖掘 - 朴素贝叶斯实现：为什么拉普拉斯平滑不同于理论？ - 吾爱随笔录

让我们有一个朴素贝叶斯伯努利分类器 $n_C$ 班级和 $n_F$ 特征。

根据这里和这里的公式以及我能看到的几乎所有理论书籍，拉普拉斯平滑意味着我们取

磷 (X = X | C = C) = \frac{# {X = X, C = C} + α}{# {C = C} + n_{F} α}

$P(x=X|c=C)=\frac{\#\{x=X,c=C\} +\alpha}{\#\{c=C\} +n_F\alpha }$

但在sklearn和本书的实现中，公式实际上是

磷 (X = X | C = C) = \frac{# {X = X, C = C} + α}{# {C = C} + 2 α}

$P(x=X|c=C)=\frac{\#\{x=X,c=C\} +\alpha}{\#\{c=C\} +2\alpha}$

为什么将特征数量视为两个？有理论上的原因吗？