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。
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:
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(w1,w2,...,wn)