Naive Bayes Classifierの計算でゼロ係数を処理する方法は？

トレーニングデータセットがあり、その上でNaive Bayes Classifierをトレーニングし、確率がゼロの属性値がある場合。後で新しいデータの分類を予測する場合、これをどのように処理しますか？問題は、計算にゼロがある場合、他の解を見つける可能性のある他の値をいくつ取得しても、製品全体がゼロになることです。

例：

$P(x|spam=yes) = P(TimeZone = US | spam=yes) \cdot P(GeoLocation = EU | spam = yes) \cdot ~ ... ~ = 0.004$

$P(x|spam=no) = P(TimeZone = US | spam=no) \cdot P(GeoLocation = EU | spam = no) \cdot ~ ... ~ = 0$

トレーニングデータでは、TimeZone US属性が小さなトレーニングデータセットで常にYesであるため、製品全体がなります。どうすればこれを処理できますか？より大きなトレーニングデータセットを使用する必要がありますか、またはこの問題を克服する別の可能性がありますか？$0$

ベイジアン設定でこの「ゼロ周波数問題」を克服する方法は、属性値がすべてのクラス値で発生しない場合、すべての属性値とクラスの組み合わせのカウントに1を追加することです。したがって、たとえば、トレーニングデータが次のようになっているとします。

$$\begin{array}{c|c|c|} & \text{Spam} = yes & \text{Spam} = no \\ \hline \text{TimeZone} = US & 10 & 5 \\ \hline \text{TimeZone} = EU & 0 & 0 \\ \hline \end{array}$$

$P(\text{TimeZone} = US | \text{Spam} = yes) = \frac{10}{10} = 1$

$P(\text{TimeZone} = EU | \text{Spam} = yes) = \frac{0}{10} = 0$

次に、この表を使用して確率を計算するときに、この表のすべての値に1を追加する必要があります。

$$\begin{array}{c|c|c|} & \text{Spam} = yes & \text{Spam} = no \\ \hline \text{TimeZone} = US & 11 & 6 \\ \hline \text{TimeZone} = EU & 1 & 1 \\ \hline \end{array}$$

$P(\text{TimeZone} = US | \text{Spam} = yes) = \frac{11}{12}$

$P(\text{TimeZone} = EU | \text{Spam} = yes) = \frac{1}{12}$