背景:
给出任意一条短信,判断其是否为垃圾短信
https://github.com/cuixuage/Machine_Learning
-
对于垃圾短信分类问题做一个demo展示
1.前端ajax+后端Django
2.训练的数据模型的存放在static中;单例模式保证了训练模型只会加载一次
3.缺点: 第一次打开页面花费时间较长,需要等待server加载资源完毕。 (异步操作如何解决???)
算法模型:
朴素贝叶斯 ; jieba分词;SK-learn中的countvectorizer提取文本的特征;
注:特征提取有多种方法 也进行试验了IG MI WLLR方式
效果如下:
不同特征提取方式对比
Recall 被预测正确的垃圾短信 占据所有被预测为垃圾短信的比例
Precision 被预测正确的垃圾短信 占据所有真实垃圾短信的比例
Naive Bayes
CountVectorizer
Recall: