【JAVA实现】朴素贝叶斯分类算法

       之前博客提到的KNN算法以及决策树算法都是要求分类器给出“该数据实例属于哪一类”这类问题的明确答案，正因为如此，才出现了使用决策树分类时，有时无法判定某一测试实例属于哪一类别。使用朴素贝叶斯算法则可以避免这个问题，它给出了这个实例属于某一类别的概率值，然后通过比较概率值，可以找到该实例最有可能属于哪一类别。

       该算法可以用如下形式表示：

       直接求解概率值很困难，因此我们可以通过下列式子进行变化。

       因为分母对于所有类别都是固定值，所以我们只要求能使得分子最大化的类别即可。又因为朴素贝叶斯假设各特征属性条件独立，所以有：

       朴素贝叶斯分类器通常有两种实现方式：一种基于贝努利模型实现，一种基于多项式模型实现。贝努利实现方式也称“词集模型”，其不考虑词在文档中出现的次数，只考虑出不出现，因此在这个意义上相当于假设词是等权重的。而多项式模型也称“词袋模型”，它考虑词在文档中的出现次数。本文采用的是多项式模型。

       这次的案例使用的是使用朴素贝叶斯过滤垃圾邮件。训练集如下所示：

       第一个文件夹下放的是25篇正常的纯文本邮件，第二个文件夹放的是25篇纯文本垃圾邮件。

       首先是邮件内容的封装。

package naivebayesian;

import java.util.List;

public class Email {
	
	private List<String> wordList;
	private int flag;
	
	public int getFlag() {
		return flag;
	}
	public void setFlag(int flag) {
		this.flag = flag;
	}
	public List<String> getWordList() {
		return wordList;
	}
	public void setWordList(List<String> wordList) {
		this.wordList = wordList;
	}
	
}

       第一个字段为每封邮件分好词的集合，第二个字段表示这封邮件是否是垃圾邮件。