机器学习题2：请简述如何用朴素贝叶斯模型实现垃圾邮件的分类。

① 运用一个词典，将邮件中所有可能出现的单词全部列举出来

② 将每封邮件表示成一个向量x，向量的长度就是词典的长度|V|，向量中的每个元素对应词典中的单词，元素取值非0即1，1表示该词在邮件中出现过，0表示没有出现过。

③ 垃圾邮件的分类目标是p(y|x),根据生成模型可以转换为计算先验概率p(y)和各个词汇的条件概率p(x|y)，即

。

其中计算p(y)与p(x|y)具体过程如下：

假设、和，其中。

先验概率：

正常邮件：

垃圾邮件：

④ 计算新样本x是垃圾邮件的概率p(y|x)

⑤将测试结果与实际结果进行比较，并记录下分类正确和分类错误的数目，最后计算得到准确率、精确率等。

例如：如下图有12封邮件，其中五封为垃圾邮件Spam 。其中七封为非垃圾邮件NSpam。

• 如上图所示，将所有邮件中出现'free'与'money'的标红。
• 计算先验概率：
• 各个词汇的条件概率p(x|y):

在垃圾邮件spam 邮件中，

出现'free'的概率为 、即；

根据条件概率，计算垃圾邮件中包含'free'单词的概率，

即

在非垃圾邮件Nspam 邮件中，

出现'free'的概率为 、 即 

根据条件概率，计算垃圾邮件中包含‘free’单词的概率，

即

• 判断包含某个单词的邮件是否是垃圾邮件及其概率

包含'free'单词的邮件是垃圾邮件的概率：

包含'free'单词的邮件是非垃圾邮件的概率：

同理

包含'money'单词的邮件是垃圾邮件的概率：

包含'money'单词的邮件是非垃圾邮件的概率：