Python实现基于朴素贝叶斯的垃圾邮件分类

标签： python朴素贝叶斯垃圾邮件分类
2016-04-20 15:09 2750人阅读 评论(1) 收藏 举报
 分类：
机器学习（19） 

听说朴素贝叶斯在垃圾邮件分类的应用中效果很好，寻思朴素贝叶斯容易实现，就用Python写了一个朴素贝叶斯模型下的垃圾邮件分类。在400封邮件（正常邮件与垃圾邮件各一半）的测试集中测试结果为分类准确率95.15%，在仅仅统计词频计算概率的情况下，分类结果还是相当不错的。

实现代码及数据集下载

1、准备工作 
python3.4开发环境； 
结巴分词工具：https://github.com/fxsjy/jieba

2、贝叶斯公式 
我们要做的是计算在已知词向量w=(w1,w2,...,wn)的条件下求包含该词向量邮件是否为垃圾邮件的概率，即求：

P(s|w),w=(w1,w2,...,wn)
其中，s表示分类为垃圾邮件 
根据贝叶斯公式和全概率公式， 
P(s|w1,w2,...,wn) 
=P(s,w1,w2,...,wn)P(w1,w2,...,wn) 
=P(w1,w2,...,wn|s)P(s)P(w1,w2,...,wn) 
=P(w1,w2,...,wn|s)P(s)P(w1,w2,...,wn|s)⋅p(s)+P(w1,w2,...,wn|s′)⋅p(s′)...式1 
根据朴素贝叶斯的条件独立假设，并设先验概率P(s)=P(s′)=0.5,上式可化为： 
=∏j=1nP(wj|s)∏j=1nP(wj|s)+∏j=1nP(wj|s′) 
再利用贝叶斯P(wj|s)=P(s|wj)⋅P(wj)P(s),式子化为 
=∏j=1nP(s|wj)∏j=1nP(s|wj)+∏j=1nP(s′|wj) 
=∏j=1nP(s|wj)∏j=1nP(s|wj)+∏j=1n(1−P(s|wj))...式2 
至此，我们接下来会用式2来计算概率P(s|w)，为什么不用式1而用式2来计算概率，是因为通过式2可以将关于s′的部分用s表示，方便计算。

3、实现步骤 
具体实现的源码已经给出，这里简单说下思路，就是一个分词并记录词频的过程： 
（1）对训练集用结巴分词，并用停用表进行简单过滤，然后使用正则表达式过滤掉邮件中的非中文字符； 
（2）分别保存正常邮件与垃圾邮件中出现的词有多少邮件出现该词，得到两个词典。例如词”疯狂”在8000封正常邮件中出现了20次，在8000封垃圾邮件中出现了200次； 
（3）对测试集中的每一封邮件做同样的处理，并计算得到P(s|w)最高的15个词，在计算过程中，若该词只出现在垃圾邮件的词典中，则令P(w|s′)=0.01，反之亦然；若都未出现，则令P(s|w)=0.4。PS.这里做的几个假设基于前人做的一些研究工作得出的。 
（4）对得到的每封邮件中重要的15个词利用式2计算概率，若概率>阈值α(一般设为0.9)，则判为垃圾邮件，否则判为正常邮件。

Python实现基于朴素贝叶斯的垃圾邮件分类 标签： python朴素贝叶斯垃圾邮件分类 2016-04-20 15:09 2750人阅读 评论(1) 收藏 举报 分类： 机器学习（19） 听说相关推荐

  1. python是基于什么的内存管理方式_为什么说Python采用的是基于值的内存管理模式...

    内存管理架构: 1.python的内存管理机制由两部分组成,其由PYMALLOC_DEBUG控制,在debug模式下的内存管理机制和正常模式下的内存管理模式. 2.python的内存管理机制可以抽象成 ...

  2. python 全栈开发，Day45(html介绍和head标签,body标签中相关标签)

    python 全栈开发,Day45(html介绍和head标签,body标签中相关标签) 一.html介绍 1.web标准 web准备介绍: w3c:万维网联盟组织,用来制定web标准的机构(组织) ...

  3. [分类算法] ：朴素贝叶斯 NaiveBayes

    [分类算法] :朴素贝叶斯 NaiveBayes 1. 原理和理论基础(参考) 2. Spark代码实例: 1)windows 单机 import org.apache.spark.mllib.cla ...

  4. Python构建基于elkan优化算法的K-Means聚类模型

    Python构建基于elkan优化算法的K-Means聚类模型 目录 Python构建基于elkan优化算法的K-Means聚类模型 #elkan优化算法

  5. python Django基于物品协同过滤旅游景点推荐论坛系统

    python Django基于物品协同过滤旅游景点推荐论坛系统 Python Django基于物品推荐协同过滤旅游景点推荐论坛系统 python Django旅游景点论坛 Python Django旅 ...

  6. U3D笔记11:47 2016/11/30-15:15 2016/12/19

    U3D笔记11:47 2016/11/30-15:15 2016/12/19 技术BLOG:http://www.unity.5helpyou.com/2373.html#comment-43108 ...

  7. 编程语言分类及python所属类型

    编程语言分类及python所属类型 编程语言分类及python所属类型 编程语言主要从以下几个角度为进行分类:编译型和解释型.静态语言和动态语言.强类型定义语言和弱类型定义语言. 编译和解释的区别是什 ...

  8. python：基于朴素贝叶斯算法的垃圾邮件过滤分类

    目录 一.朴素贝叶斯算法 1.概述 2.推导过程 二.实现垃圾邮件过滤分类 1.垃圾邮件问题背景 2.朴素贝叶斯算法实现垃圾邮件分类的步骤 3.python实现 参考学习网址:https://blog ...

  9. 机器学习实战（四）——基于概率论的分类方法：朴素贝叶斯

    朴素贝叶斯法 4.1 基于贝叶斯决策理论的分类方法 4.1.1 贝叶斯决策理论 4.1.2 条件概率 4.1.3 全概率公式 4.1.4 贝叶斯推断 4.1.5 朴素贝叶斯 4.2 使用朴素贝叶斯进行 ...

最新文章

  1. debian 9系统安装配置iptables
  2. SQL 中的 AND OR
  3. 树莓派小车(远程控制、PWM变速、超声波自动避障)
  4. Prism详解【转】
  5. 微信公众平台开发问答 【转发】
  6. 2022春节法律思维
  7. shell 第一次练习
  8. Citrix MCS桌面管理技术解读
  9. java类路径定制_设置Java类路径的注意事项
  10. java 图片处理工具类(图片简单处理 java原生)
  11. 【C++OJ多重继承与虚拟继承】商旅信用卡(多重继承)
  12. JavaScript 对象大全
  13. 浅谈a++ 与a--
  14. 30个疯狂的网页设计作品欣赏
  15. 给小学生科普计算机,科普知史识：计算机是我们的小助手（适用于小学生）.ppt...
  16. 对数组名取地址赋值给数组指针与普通指针的区别
  17. 崔莺莺到宋楚瑜，张你怎么看待？
  18. CMake编译C++项目-简单范例-编译脚本-Linux
  19. 安科瑞物联网技术在智慧电网中的应用-Susie 周
  20. 【Axure10视频教程】第九章 设置选中

热门文章

  1. java 获取活动窗口_用Java获取活动窗口信息
  2. linux平台性能监控系统,Linux系统性能监控
  3. php 读取 linux 文件,PHP读取大文件，linux读取日志
  4. python的openpyxl库如何读取特定列_Excelize 2.3.2 发布，Go 语言 Excel 文档基础库，2021 年首个更新...
  5. GGNN(Gated Graph Sequence Neural Networks)
  6. 深度2万字好文：图像处理-基于 PyTorch 的 YOLO v5 表情识别（附源代码）
  7. MATLAB与图像处理（二）：批处理读取多张图片，cell
  8. Python入门100题 | 第075题
  9. 【Linux】2_文件和用户管理
  10. matlab绘制横向柱状图