填0.5是防止冷门数据浪费？

可以这么理解，但不完全准确。

填一个很小的值（比如0.5，甚至更小的值）主要是为了防止模型在训练时对那些「出现次数很少」的样本完全失去学习能力。如果不做平滑，比如概率计算中直接出现0，模型就会默认这种情况永远不会发生，导致预测时出现「零概率」问题。

简单说：不是害怕数据浪费，而是为了避免模型过于绝对、缺乏泛化能力。 平滑操作能让模型对少见情况也留一点可能性，而不是直接忽略它们。