基于朴素贝叶斯+Python实现垃圾邮件分类和结果分析

基于朴素贝叶斯+Python实现垃圾邮件分类

朴素贝叶斯原理

请参考： 贝叶斯推断及其互联网应用（二）：过滤垃圾邮件

Python实现

源代码主干来自： python实现贝叶斯推断——垃圾邮件分类

我只是加了注释，然后做了对结果的分析统计的输出添加。

源码下载： GitHub：下载NaiveBayesEmail.py

本文原载： 基于朴素贝叶斯+Python实现垃圾邮件分类

结果分析

仅出现在垃圾邮件（或非垃圾邮件）中的单词在非垃圾邮件（或垃圾邮件）中的概率设为P(not_appear)

1）P(not_appear) = 0.01时的结果：

去停用词结果：

不去停用词结果：

2）P(not_appear) = 0.05时的结果：

去停用词结果：

不去停用词结果：

可见，

• 去不去停用词差别不大；
• P(not_appear) 越大越会把spam误判成ham。

3）[把垃圾邮件误判成非垃圾邮件的次数，总误判次数] 对应关系查看

• Rate of mistaking spam for ham in 100 times when P(not_appear) = 0.05 without stopwords removal.

• [wrong_spamToham, wrong]

结果1：
[[1, 1], [1, 1], [2, 2], [2, 2], [2, 2], [3, 3], [1, 1], [2, 2], [2, 2], [4, 4], [3, 3], [1, 1], [1, 1], [2, 2], [5, 5], [1, 1], [1, 1], [1, 1], [1, 1], [2, 2], [2, 2], [-1], [2, 2], [1, 1], [2, 2], [-1], [3, 3], [2, 2], [1, 1], [1, 1], [2, 2], [-1], [4, 4], [1, 1], [3, 3], [2, 2], [2, 2], [3, 3], [2, 2], [3, 3], [2, 2], [2, 2], [1, 1], [1, 1], [-1], [1, 1], [1, 1], [2, 2], [-1], [2, 2], [1, 1], [2, 2], [1, 1], [-1], [2, 2], [2, 2], [2, 2], [3, 3], [4, 4], [1, 1], [2, 2], [1, 1], [2, 2], [3, 3], [3, 3], [-1], [3, 3], [2, 2], [2, 2], [2, 2], [2, 2], [3, 3], [3, 3], [2, 2], [5, 5], [2, 2], [-1], [4, 4], [3, 3], [4, 4], [1, 1], [3, 3], [1, 1], [1, 1], [-1], [1, 1], [1, 1], [1, 1], [3, 3], [2, 2], [1, 1], [2, 2], [4, 4], [2, 2], [3, 3], [3, 3], [2, 2], [1, 1], [2, 2], [1, 1]]

结果2：
[[1, 1], [1, 1], [4, 4], [1, 1], [2, 2], [1, 1], [3, 3], [-1], [-1], [4, 4], [1, 1], [2, 2], [-1], [3, 3], [5, 5], [2, 2], [1, 1]