利用贝叶斯算法对垃圾邮件进行分类处理

代码及注释如下：

#使用贝叶斯算法实现垃圾邮件过滤
#将一个大字符串解析为字符串列表
def textParse(bigString):import relistOfTokens = re.split(r'\W*', bigString)return [tok.lower() for tok in listOfTokens if len(tok) > 2]def spamTest():#import pandas as pddocList = []; classList = []; fullText = []for i in range(1,26):#wordList = textParse(pd.read_csv('email/spam/%d.txt' %i, sep='\n', encoding='utf8'))wordList = textParse(open('email/spam/%d.txt' % i).read())    #spam文件夹中的邮件全设为1docList.append(wordList)fullText.extend(wordList)classList.append(1)#wordList = textParse(pd.read_csv('email/ham/%d.txt' % i, sep='\n', encoding='utf8'))wordList = textParse(open('email/ham/%d.txt' % i).read())    #ham文件夹中的邮件全设为0docList.append(wordList)fullText.extend(wordList)classList.append(0)vocabList = createVocabList(docList)     #将重复出现的单词删掉trainingSet = list(range(50)); testSet = []#随机选取10封邮件为测试集for i in range(10):randIndex = int(random.uniform(0,len(trainingSet)))testSet.append(trainingSet[randIndex])del(trainingSet[randIndex])    #将测试集从训练集中删除trainMat = []; trainClasses = []#剩下的40封作为训练集for docIndex in trainingSet:trainMat.append(setOfWords2Vec(vocabList, docList[docIndex]))    #将文本转换成向量trainClasses.append(classList[docIndex])p0V,p1V,pSpam = trainNB0(array(trainMat), array(trainClasses))   #贝叶斯算法来计算概率errorCount = 0#测试集分类精度计算for docIndex in testSet:wordVector = setOfWords2Vec(vocabList, docList[docIndex])print("the index %d is classified as: %d, the real class is %d" % (docIndex, classifyNB(array(wordVector), p0V, p1V, pSpam), classList[docIndex]))if classifyNB(array(wordVector),p0V,p1V,pSpam) != classList[docIndex]:errorCount += 1print('the error rate is: ',float(errorCount)/len(testSet))

创建一个包含所有文档中出现的不重复单词列表

def createVocabList(dataSet):vocabSet = set([])    #创建空集合for document in dataSet:vocabSet = vocabSet | set(document)     #返回不重复的单词集合#print(vocabSet)return list(vocabSet)

def setOfWords2Vec(vocabList, inputSet):returnVec = [0]*len(vocabList)for word in inputSet:if word in vocabList:returnVec[vocabList.index(word)] = 1else:print("the word: %s is not in my Vocabulary!" %word)return returnVec

贝叶斯概率计算

#trainMatrix为输入的词条集合,trainCategory为词条类别
def trainNB0(trainMatrix, trainCategory):numTrainDocs = len(trainMatrix)     #获取词条长度,即分母变量numWords = len(trainMatrix[0])     #第一段词条中单词个数,即分子变量pAbusive = sum(trainCategory)/float(numTrainDocs)p0Num = zeros(numWords);p1Num = zeros(numWords)p0Denom = 0.0; p1Denom = 0.0for i in range(numTrainDocs):if trainCategory[i] == 1:p1Num += trainMatrix[i]p1Denom += sum(trainMatrix[i])else:p0Num += trainMatrix[i]p0Denom += sum(trainMatrix[i])p1Vect = p1Num/p1Denomp0Vect = p0Num/p0Denomreturn p0Vect,p1Vect,pAbusive

def setOfWords2Vec(vocabList, inputSet):returnVec = [0]*len(vocabList)for word in inputSet:if word in vocabList:returnVec[vocabList.index(word)] = 1else:print("the word: %s is not in my Vocabulary!" %word)return returnVec

#分类,取概率高的值
def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):p1 = sum(vec2Classify * p1Vec) + log(pClass1)p0 = sum(vec2Classify * p0Vec) + log(1.0 - pClass1)if p1 > p0:return 1else:return 0

分类结果：

代码中测试集来自于机器学习实战官网

利用贝叶斯算法对垃圾邮件进行分类处理相关推荐

朴素贝叶斯算法实现垃圾邮件过滤（Python3实现）
目录 1.朴素贝叶斯实现垃圾邮件分类的步骤 2.邮件数据 3.代码实现 4.朴素贝叶斯的优点和缺点 1.朴素贝叶斯实现垃圾邮件分类的步骤 (1)收集数据:提供文本文件. (2)准备数据:将文本文件解析 ...
机器学习：朴素贝叶斯算法与垃圾邮件过滤
简介贝叶斯算法是由英国数学家托马斯·贝叶斯提出的,这个算法的提出是为了解决"逆向概率"的问题.首先我们先来解释下正向概率与逆向概率的含义: 正向概率:假设一个箱子里有5个黄色球和 ...
朴素贝叶斯算法实现垃圾邮件过滤
朴素贝叶斯算法实现垃圾邮件过滤 1．1 题目的主要研究内容 (1)贝叶斯垃圾邮件过滤技术是一种电子邮件过滤的统计学技术,它使用贝叶斯分类来进行垃圾邮件的判别. (2)贝叶斯分类的运作是借着使用标记(一 ...
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 ...
利用朴素贝叶斯算法识别垃圾邮件
转载自:http://blog.csdn.net/wowcplusplus/article/details/25190809 朴素贝叶斯算法是被工业界广泛应用的机器学习算法,它有较强的数学理论基础,在 ...
贝叶斯算法：垃圾邮件过滤
准备 100封邮件,50封垃圾邮件和50封正常邮件参考 : 贝叶斯算法原理程序过程解释垃圾邮件分类的数学基础是贝叶斯推断(bayesian inference).整个程序过程主要 ...
机器学习——朴素贝叶斯算法（垃圾邮件分类）
朴素贝叶斯算法介绍以及垃圾邮件分类实现 1.一些数学知识 2.贝叶斯公式 3.朴素贝叶斯算法 (1)介绍 (2)核心思想 (3)朴素贝叶斯算法 (4)拉普拉斯修正 (5)防溢出策略 (6)一般过程 ( ...
《机器学习实战》基于朴素贝叶斯算法实现垃圾邮件分类
import random import sys import numpy as np import pandas as pd from pandas import Series, DataFrame ...
朴素贝叶斯算法实现对邮件的分类
通过朴素贝叶斯算法来分类垃圾邮件的PYTHON实现(超易懂) 文章目录通过朴素贝叶斯算法来分类垃圾邮件的PYTHON实现(超易懂) 前言一.朴素贝叶斯算法分类垃圾邮件原理二.python实现 1 ...

利用贝叶斯算法对垃圾邮件进行分类处理

利用贝叶斯算法对垃圾邮件进行分类处理相关推荐

最新文章

热门文章