垃圾邮件分类--朴素贝叶斯实现

朴素本叶斯常用于垃圾邮件过滤

贝叶斯公式描述一种“逆概”问题，例如：实现不知道袋子里黑白球的比例，闭眼摸出一些球，观察颜色后，对袋子里黑白球比例做预测。

贝叶斯公式网上很多，这里不再赘述，需要说明的是，贝叶斯公式包含条件概率和先验概率。

朴素贝叶斯的“朴素”是指：假设每一个事件的发生是条件独立的。

独立性假设即使比较粗鲁，但事实证明它是成立的。

朴素贝叶斯是数据挖掘十大算法之一。

用朴素贝叶斯实现文本分类和垃圾邮件分类的代码放在github上（后来又添加了一些别的分类器）：

github代码

上述代码来自《机器学习实战》和 python爱好者社区

在计算朴素贝叶斯过程中，也即上述代码中，需要注意的一点是，预测一组新值（x1', x2',......）p(y')=p(y'|x1',x2',x3',....)，即我们要预测的p(y')的条件概率。由于贝叶斯公式中右边分母为常数，所以这一概率值取决于右式分子。