Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件

最新推荐文章于 2021-11-28 13:57:33 发布

dongfuguo

最新推荐文章于 2021-11-28 13:57:33 发布

阅读量1.3k

点赞数 2

文章标签：列表 python 人工智能 tensorflow 机器学习

本文链接：https://blog.csdn.net/dongfuguo/article/details/118705635

版权

总体思路与步骤：

1、从电子邮箱中收集垃圾和非垃圾邮件训练集。

2、读取全部训练集，删除其中的干扰字符，例如【】*。、，等等，然后分词，删除长度为1的单个字。

3、统计全部训练集中词语的出现次数，截取出现次数最多的前N（可以根据实际情况进行调整）个。

4、根据每个经过第2步预处理后垃圾邮件和非垃圾邮件内容生成特征向量，统计第3步中得到的N个词语分别在本邮件中的出现频率。

5、根据第4步中得到特征向量和已知邮件分类创建并训练朴素贝叶斯模型。

6、读取测试邮件，参考第2步，对邮件文本进行预处理，提取特征向量。

7、使用第5步中训练好的模型，根据第6步提取的特征向量对邮件进行分类。

参考代码：

1、导入需要用到的标准库和扩展库对象。

2、读取全部训练集，删除干扰字符或长度为1的单词。

3、创建贝叶斯模型，使用已有数据进行训练。

4、使用训练好的模型对未知邮件内容进行分类。

说明：分类有误差是正常的，增加训练集和调整模型参数，可以提高准确率。

邮件训练集下载地址：

链接: https://pan.baidu.com/s/1wBRbCATYlqCaYc848ydGAQ

密码: q369

----------喜大普奔----------

1、董付国老师Python系列教材，亚马逊、京东、当当、天猫均有销售：

1）《Python程序设计（第2版）》（2018年5月第6次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.18.24a52226hIi8Bj&id=534581929248&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

2）《Python可以这样学》（2018年2月第5次印刷）（本书已发行繁体版）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.16.24a52226hIi8Bj&id=544817105410&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

3）《Python程序设计基础（第2版）》（2018年5月第2次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.24.24a52226hIi8Bj&id=565581275846&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

4）《中学生可以这样学Python》2018年5月第2次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.20.24a52226hIi8Bj&id=560808221053&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

5）《Python程序设计开发宝典》（2018年2月第3次印刷）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.52.24a52226hIi8Bj&id=556093887133&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

6）《玩转Python轻松过二级》（2018年5月隆重上架）

出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.84.24a52226hIi8Bj&id=569250004069&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6

董付国老师6本Python系列图书阅读指南

董付国老师6本Python系列教材被北大、复旦等近百所高校选作教材

热烈庆祝《Python可以这样学》在台湾发行繁体版

2、董老师120课免费视频地址： https://pan.baidu.com/s/1jJeAs8Q 密码: px59

----------相关阅读----------

教学课件

1900页Python系列PPT分享一：基础知识（106页）

1900页Python系列PPT分享二：Python序列（列表、元组、字典、集合）（154页）

1900页Python系列PPT分享三：选择与循环结构语法及案例（96页）

1900页Python系列PPT分享四：字符串与正则表达式（109页）

1900页Python系列PPT分享五：函数设计与应用（134页）

1900页Python系列PPT分享六：面向对象程序设计（86页）