一、貝葉斯（Bayes）簡介

     貝葉斯老爺爺是一位有名的老人家！貝葉斯演算法和概率有關，貝葉斯公式其實高中學過的，就是忘了而已。

二、貝葉斯實現拼寫檢查器

1. 原理

argmaxc P(A|B)=argmaxc P(B|A) P(A) /P(B)

P(A|B)：待求的；使用者本想本想輸入B的前提下，錯輸成A的概率

P(A)：文章中出現正確單詞A的概率

P(B|A)：使用者本想本想輸入A的前提下，錯輸成B的概率

P(B)：文章中出現正確單詞B的概率

argmaxc：用來列舉所有可能的A，並選取概率最大的那個

拼寫檢查器就是，輸入一個單詞，先判斷這個單詞是否存在於語料庫中（是否正確），如果不在（可能語料庫中沒有，或者拼寫錯誤），則需要根據編輯距離進行檢查修正。

2. 編輯距離

編輯距離為1，意味著單詞1只需增/刪/改/交換相鄰字母 1次，就可以變成單詞2，以此類推。

import re,collections #正則表示式re庫

def words(text):   # 將給定語料庫中所有單詞轉為小寫，去除單詞中的特殊符號
    return re.findall('[a-z]+',text.lower())

def train(features): # 統計每個單詞的出現次數，併為每個單詞設定一個預設值-1
    model=collections.defaultdict(lambda:1) #匿名函式，為每個單詞的出現頻率設定最低值1
    for f in features:
        model[f]+=1
    return model

NWORDS=train(words(open('big.txt').read())) # 計算big檔案中各個詞的出現次數

alphabet='abcdefghijklmnopqrstuvwxyz'

def edits1(word): #返回所有與word編輯距離為1的集合
    n=len(word)
    return set([word[0:i]+word[i+1:] for i in range(n)]+  #delete
               [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 alphabet]+ # alteration
               [word[0:i]+c+word[i:] for i in range(n+1) for c in alphabet]) #insertion

def edists2(word): #編輯距離為2 的單詞
    return set(e2 for e1 in edits1(word) for e2 in edits1(e1))

def known(words):  #將那些正確的詞作為候選詞
    return set(w for w in words if w in NWORDS) 

def correct(word): #檢查器函式，先判斷是不是正確的拼寫形式，如果不是則選出編輯距離為1的單詞……
    candidates=known([word])or known(edits1(word)) or known(edists2(word)) or [word]
    return max(candidates,key=lambda w:NWORDS[w])

print(correct('mach'))
 

輸出：much

3. 其他

python中，set() 函式建立一個無序不重複元素集，可進行關係測試，刪除重複資料，還可以計算交集、差集、並集等。本例中set的用法本菜鳥有點沒看懂，要是有哪位大神看懂了可否幫忙解惑！3ks!!