拉普拉斯平滑

Laplace smoothing

在计算事件的概率时，如果某个事件在观察样本库（训练集）中没有出现过，会导致该事件的概率结果是0。这是不合理的，不能因为一个事件没有观察到，就被认为该事件一定不可能发生（即该事件的概率为0）

假定训练样本很大时，每个分量x的计数加 1 造成的估计概率变化可以忽略不计，但可以方便有效的避免零概率问题，这就是拉普拉斯平滑。

实际过程中通常设置为加一个超参数 $\lambda \in [0,1]$