[实战] 朴素贝叶斯分类器进行垃圾邮件过滤

我们已经讲解过朴素贝叶斯分类器的基本原理和实现:动手实现朴素贝叶斯分类器进行文档分类
在此基础上,我们实现垃圾邮件的过滤,数据为50封txt邮件

(1)将text文本文件,分成单词列表
使用正则表达式,使用除单词和数字外的任意字符串为分隔符
并删除长度小于3的字符串

def textParse(bigString):
    import re
    listOfTokens = re.split(r'\W*', bigString)
    return [tok.lower() for tok in listOfTokens if len(tok) > 2]

(2)垃圾邮件检测

def spamTest():
    docList = []; classList = []; fullText = []
    for i in range(1,26):
        #读取25封垃圾邮件
        path = 'email/spam/{0}.txt'.format(i)
        wordList = textParse(open(path).read())
        docList.append(wordList)
        fullText.extend(wordList)
        classList.append(1)
        #读取25封正常邮件
        path = 'email/ham/{0}.txt'.format(i)
        wordList = textParse(open(path).read())
        docList.append(wordList)
        fullText.extend(wordList)
        classList.append(0)
    #构建词汇表
    vocabList = createVocabList(docList)
    #训练集和测试集索引列表
    trainingSet = [i for i in range(50)]; testSet = []
    #随机选取10个测试文件索引
    for i in range(10):
        randIndex = int(random.uniform(0,len(trainingSet)))
        testSet.append(trainingSet[randIndex])
        del(trainingSet[randIndex])
    #创建训练文件和标签
    trainMat = []; trainClasses = []
    for docIndex in trainingSet:
        trainMat.append(setOfWord2Vec(vocabList, docList[docIndex]))
        trainClasses.append(classList[docIndex])
    #训练数据
    p0v, p1v, pSpam = trainNB0(array(trainMat), array(trainClasses))
    #测试数据
    errorCount = 0
    for docIndex in testSet:
        wordVector = setOfWord2Vec(vocabList, docList[docIndex])
        if classifyNB(array(wordVector), p0v, p1v, pSpam) != classList[docIndex]:
            errorCount += 1
    #输出错误率
    print('the error rate is: {0}'.format(float(errorCount)/len(testSet)))
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值