Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件

总体思路与步骤：

1、从电子邮箱中收集垃圾和非垃圾邮件训练集。

2、读取全部训练集，删除其中的干扰字符，例如【】*。、，等等，然后分词，删除长度为1的单个字。

3、统计全部训练集中词语的出现次数，截取出现次数最多的前N（可以根据实际情况进行调整）个。

4、根据每个经过第2步预处理后垃圾邮件和非垃圾邮件内容生成特征向量，统计第3步中得到的N个词语分别在本邮件中的出现频率。

5、根据第4步中得到特征向量和已知邮件分类创建并训练朴素贝叶斯模型。

6、读取测试邮件，参考第2步，对邮件文本进行预处理，提取特征向量。

7、使用第5步中训练好的模型，根据第6步提取的特征向量对邮件进行分类。

参考代码：

1、导入需要用到的标准库和扩展库对象。

2、读取全部训练集，删除干扰字符或长度为1的单词。

3、创建贝叶斯模型，使用已有数据进行训练。

4、使用训练好的模型对未知邮件内容进行分类。

说明：分类有误差是正常的，增加训练集和调整模型参数，可以提高准确率。

邮件训练集下载地址：

链接: https://pan.baidu.com/s/1wBRbCATYlqCaYc848ydGAQ

密码: q369

----------喜大普奔----------

1、董付国老师Python系列教材，亚马逊、京东、当当、天猫均有销售：

1）《Python程序设计（第2版）》（2018年5月第6次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.18.24a52226hIi8Bj&id=534581929248&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

2）《Python可以这样学》（2018年2月第5次印刷）（本书已发行繁体版）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.16.24a52226hIi8Bj&id=544817105410&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

3）《Python程序设计基础（第2版）》（2018年5月第2次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.24.24a52226hIi8Bj&id=565581275846&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

4）《中学生可以这样学Python》2018年5月第2次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.20.24a52226hIi8Bj&id=560808221053&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

5）《Python程序设计开发宝典》（2018年2月第3次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.52.24a52226hIi8Bj&id=556093887133&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

6）《玩转Python轻松过二级》（2018年5月隆重上架）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.84.24a52226hIi8Bj&id=569250004069&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

董付国老师6本Python系列图书阅读指南

董付国老师6本Python系列教材被北大、复旦等近百所高校选作教材

热烈庆祝《Python可以这样学》在台湾发行繁体版

2、董老师120课免费视频地址： https://pan.baidu.com/s/1jJeAs8Q 密码: px59

----------相关阅读----------

教学课件

1900页Python系列PPT分享一：基础知识（106页）

1900页Python系列PPT分享二：Python序列（列表、元组、字典、集合）（154页）

1900页Python系列PPT分享三：选择与循环结构语法及案例（96页）

1900页Python系列PPT分享四：字符串与正则表达式（109页）

1900页Python系列PPT分享五：函数设计与应用（134页）

1900页Python系列PPT分享六：面向对象程序设计（86页）

1900页Python系列PPT分享七：文件操作（132页）

1900页Python系列PPT分享八：异常处理结构与程序调试、测试（70页）

报告PPT（163页）：基于Python语言的课程群建设探讨与实践

非计算机专业《Python程序设计基础》教学参考大纲

计算机相关专业“Python程序设计”教学大纲（参考）

报告PPT（123页）：Python编程基础精要

系列题库分享

1000道Python题库系列分享一（17道）

1000道Python题库系列分享二（48道）

1000道Python题库系列分享三（30道）

1000道Python题库系列分享四（40道）

1000道Python题库系列分享五（40道）

1000道Python题库系列分享六（40道）

1000道Python题库系列分享七（30道）

1000道Python题库系列分享八（29道）

1000道Python题库系列分享九（31道）

1000道Python题库系列分享十（37道）

1000道Python题库系列分享十一（9道）

Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件相关推荐

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 ...
使用Sklearn学习朴素贝叶斯算法
目录 1,sklearn中的贝叶斯分类器 1.1,高斯朴素贝叶斯GaussianNB 1.1.1,认识高斯朴素贝叶斯 1.1.2,参数说明 1.1.3,高斯朴素贝叶斯建模案例 1.1.4,探索高斯朴素 ...
Python微调文本顺序对抗朴素贝叶斯算法垃圾邮件分类机制
封面图片:<Python可以这样学>,ISBN:9787302456469,董付国,清华大学出版社图书详情(京东): ================= 关于朴素贝叶斯算法中文垃圾邮件分 ...
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 ...
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 ( ...
sklearn中的朴素贝叶斯算法
sklearn中的朴素贝叶斯分类器之前理解朴素贝叶斯中的结尾对sklearn中的朴素贝叶斯进行了简单的介绍. 此处对sklearn中的则对sklearn中的朴素贝叶斯算法进行比较详细介绍.不过手下还 ...
【人工智能】机器学习及与智能数据处理Python使用朴素贝叶斯算法对垃圾短信数据集进行分类
朴素贝叶斯算法输入:样本集合D={(x_1,y_1),(x_2,y_2) (x_m,y_m); 待预测样本x; 样本标记的所有可能取值{c_1,c_2,c_3 c_k}; 样本输入变量X的每个属性变 ...
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 ...

Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件

Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件相关推荐

最新文章

热门文章