基于机器学习的邮件分类算法

今天接了一个单子，主要是做基于机器学习的邮件分类算法的研究：比较简单代码如下所示：

源码如下所示：

#!/usr/bin/python
# -*- coding utf-8 -*-

import numpy as np

def loadFile(filename):
    """
    函数说明：
        加载数据文件
    :param filename:
        文件名
    :return:
        contentList - 切分邮件内容得到的词条
        classVec - 类别标签向量
    """
    file = open(filename)

    contentList = []
    classVec = []

    contents = file.readlines()
    for line in contents:
        content = line.strip('\n').split(' ')   #以空格为分割符，切分邮件的内容，得到该邮件对应的词条
        classVec.append(int(content[0]))    #取出邮件的类别标签
        del(content[0])     #删掉词条中的类别标签
        contentList.append(content)

    return contentList, classVec


def createVocabList(dataSet):
    """
    函数说明：
        根据训练数据，生成一个词汇表
    :param dataSet:
        切分所有邮件得到的词条
    :return:
        list(vocabSet) - 使用训练数据生成的不重复的词汇表
    """