每天5分钟机器学习：如何使用贝叶斯算法完成垃圾邮件的分类

本文重点

前面我们学习了朴素贝叶斯算法，本文我们完成一个实战课程，具体来说就是如何使用朴素贝叶斯算法完成垃圾邮件的分类任务，朴素贝叶斯完成垃圾邮件的分类效果很好，这里我们就不对朴素贝叶斯算法进行介绍了，如何第一个看本专栏的可以看前面几个关于朴素贝叶斯的介绍。

数据准备

现在有两个文件，一个文件是训练数据（带有标签的），另外一个是测试集数据（没有标签）

 

我们第一步的任务是将train训练数据分为两个文件，一个文件只存邮件的文本，另外一个文件存储邮件多对应的标签，那么执行下面的任务就可以完成，这个代码就遍历每一个样本，然后将文本放到email.txt中，然后将标签放到labels.txt中

 

使用随机森林算法需要我们手动构建特征，这里我们使用tf-idf的方式来看一下，我们如何构建样本的特征。这里我们使用tf-idf工具，只需要把数据放入进去就可以自动构建出tf-idf数据了

 

如代码所示，这里我们有两个tf-idf的方法，不同点是一个为了