对于一项任务，我将使用 ConditionalProbDist 并使用 LidstoneProbDist 作为估计器，将 +0.01 添加到每个 bin 的样本计数中。
我认为下面的代码行可以实现这一点，但它会产生一个值错误
fd = nltk.ConditionalProbDist(fd,nltk.probability.LidstoneProbDist,0.01)
我不确定如何在 ConditionalProbDist 中设置参数的格式，并且通过 python 的帮助功能或谷歌找到如何执行此操作的运气并不好，所以如果有人能帮我设置正确，将不胜感激！
【问题讨论】：
标签： python nltk probability
我在 NLTK 网站上发现 the probability tutorial 作为参考非常有用。
如上面的答案所述，使用 lambda 表达式是个好主意，因为 ConditionalProbDist 会动态生成频率分布 (nltk.FreqDist)，并传递给估算器。
更微妙的一点是，如果您不知道输入样本中最初有多少个 bin，则无法传递 bins 参数！但是，FreqDist 的可用 bin 数量为 FreqDist.B() (docs)。
改为使用 FreqDist 作为 lambda 的唯一参数：
from nltk.probability import *
# ...
# Using the given parameters of one extra bin and a gamma of 0.01
lidstone_estimator = lambda fd: LidstoneProbDist(fd, 0.01, fd.B() + 1)
conditional_pd = ConditionalProbDist(conditional_fd, lidstone_estimator)
我知道这个问题现在已经很老了，但我也很难找到文档，所以我在这里记录它，以防其他人遇到类似的问题。
祝你好运（使用 fnlp）！
【讨论】：
您可能不再需要这个，因为这个问题已经很老了，但您仍然可以在 lambda 的帮助下将 LidstoneProbDist 参数传递给 ConditionalProbDist：
estimator = lambda fdist, bins: nltk.LidstoneProbDist(fdist, 0.01, bins)
cpd = nltk.ConditionalProbDist(fd, estimator, bins)
【讨论】：