朴素贝叶斯公式（过滤垃圾邮件）

准备数据：切分文本

现提供邮件文件夹：spam；非垃圾邮件文件夹：ham，各有25封邮件。
将邮件中的内容文本，进行分割，转换成一系列词语组成的列表

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

准备数据：从文本中构建词向量

（1）首先将所有文档中的单词组成词汇表

def creatVocabList(dataset){
    vocabSet=set([]);
    for document in dataset{
         vocabSet=vocabSet|set(document);  
}
    return list(vocabSet);
}

（2）将每一篇文档转换为词汇表上的向量，现有两种模型：词集模型与词袋模型
词集模型：文档转换成的向量中的每一元素为1或0，分别表示词汇表中的单词在输入文档中是否出现。
词袋模型：文档转换成的向量中的每一元素，表示词汇表中的单词在输入文档中出现的次数

def setOfWords2Vec(vocabList,inputSet){
    returnVec=[0]*len(vocabList);
    for word in inp