python数据分析与挖掘学习笔记（4）-垃圾邮件自动识别

这是第四节的内容，主要为垃圾邮件自动识别与分类算法。

简单来说，对于垃圾邮件的预测实际上就是一个分类问题，要实现垃圾邮件的预测，我们可以对垃圾邮件进行特征提取，然后进行分类实现。

具体来说：

1. 对邮件进行切词

2. 构造词典

3. 转为稀疏向量

4. 实现贝叶斯算法

5. 通过贝叶斯算法训练数据

6. 通过贝叶斯算法测试数据

贝叶斯算法的原理就是，对于已知类别，通过特征计算该事物分别属于各个类的概率，概率最大的那个类别就是该事物的估计类别。

首先我们使用python实现贝叶斯算法：

class Bayes:
    def __init__(self):
        self.length = -1
        self.labelcount = dict()
        self.vect