CHI统计方法度量特征词和类别之间的相关度

  其中，

A：包含特征词w且属于类别c的文档频数

B：包含特征词w但不属于类别c的文档频数

C：属于类别c但不包含特征词w的文档频数

D：既不属于c也不包含特征词w的文档频数

N：文档总数

CHI统计方法用来度量特征词w和类别c之间的相关度。

当值为零时，表示特征值w和c相互独立；值越大，表示相关性越强，此时特征值w包含类别c相关的鉴别信息越多。

 

去除特征词与类别负相关情况：