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$w=(w_1,w_2,...,w_n)$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：

$P(s|w),w=(w_1,w_2,...,w_n)$
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，
$P(s|w_1,w_2,...,w_n)$
=P(s,w1,w2,...,wn)P(w1,w2,...,wn)