朴素贝叶斯算法在垃圾邮件过滤中的应用

由于最近在写一篇关于大数据分类的论文（吐槽一下：导师天天催），所以在图书馆借了几本有关大数据的书籍。今天看《New Internet 大数据挖掘》（感兴趣的可以看一下）中提到垃圾邮件过滤，让我联想到昨天在1280社区看到一道名企面试题，“在游戏实时交流中，怎么过滤那些广告？”。当时想到的是关键词过滤，也没细想。

其实垃圾邮件过滤跟广告过滤是一种，使用最多的是朴素贝叶斯算法。

贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。

（参见维基百科http://zh.wikipedia.org/wiki/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%AE%9A%E7%90%86）

通过对大量已经判定的垃圾邮件和正常邮件进行学习，根据两种邮件中相同词语出现的概率对比来确定垃圾邮件的可能性。优点是准确率高，缺点是需要大量的历史数据。