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
Python实现基于朴素贝叶斯的垃圾邮件分类
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
- 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 ...
- 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) ...
- [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 ...
- 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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- debian 9系统安装配置iptables
- SQL 中的 AND OR
- 树莓派小车(远程控制、PWM变速、超声波自动避障)
- Prism详解【转】
- 微信公众平台开发问答 【转发】
- 2022春节法律思维
- shell 第一次练习
- Citrix MCS桌面管理技术解读
- java类路径定制_设置Java类路径的注意事项
- java 图片处理工具类(图片简单处理 java原生)
- 【C++OJ多重继承与虚拟继承】商旅信用卡(多重继承)
- JavaScript 对象大全
- 浅谈a++ 与a--
- 30个疯狂的网页设计作品欣赏
- 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...
- 对数组名取地址赋值给数组指针与普通指针的区别
- 崔莺莺到宋楚瑜,张你怎么看待?
- CMake编译C++项目-简单范例-编译脚本-Linux
- 安科瑞物联网技术在智慧电网中的应用-Susie 周
- 【Axure10视频教程】第九章 设置选中
热门文章
- java 获取活动窗口_用Java获取活动窗口信息
- linux平台性能监控系统,Linux系统性能监控
- php 读取 linux 文件,PHP读取大文件,linux读取日志
- 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...
- GGNN(Gated Graph Sequence Neural Networks)
- 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)
- MATLAB与图像处理(二):批处理读取多张图片,cell
- Python入门100题 | 第075题
- 【Linux】2_文件和用户管理
- matlab绘制横向柱状图