机器学习实验六SVM基础练习；利用SVM构建垃圾邮件分类器

实验六：SVM基础练习；利用SVM构建垃圾邮件分类器

一、实验目的

使用支持向量机（SVM）构建垃圾邮件分类器。

二、实验环境

Window10，Octave

三、实验步骤/过程

1.支持向量机：
1.1样例数据集1：在这个数据集中，正例（用+表示）和负例（用 o 表示）的位置有一段间隔，即该正例和负例数据可由此间隔分开。
1.2 高斯核支持向量机：
1.2.1高斯核：在 gaussianKernel.m 中添加代码以计算两个示例之间的高斯核：

1.2.2 样例数据集2：该数据集无法通过线性决策边界来分隔正反两个例子，通过使用高斯核和支持向量机，能够学习到一个非线性决策边界。
1.2.3 样例数据集3：在dataset3Params.m中添加代码，使用交叉验证集 Xval，yval 来确定将要使用的最优参数 C 和σ：

2垃圾邮件分类：
2.1电子邮件预处理：将电子邮件预处理和标准化。
2.1.1词汇表：在processEmail.m中添加代码，将预处理电子邮件中的每个单词映射到单词索引列表中：

2.2从电子邮件中提取特征：在emailFeatures.m中添加代码为电子邮件生成特征向量：

2.3 训练 SVM 进行垃圾邮件分类：加载预处理后的训练数据集来训练SVM分类器。
2.4 垃圾邮件的主要预测符：在分类器中找到具有最大正值的参数，并显示出相应的单词。

四、实验结果

1.1样例数据集1：

1.2.1高斯核：

1.2.2 样例数据集2：

1.2.3 样例数据集3：

2.1电子邮件预处理：

2.1.1词汇表：

2.2从电子邮件中提取特征：

2.3 训练 SVM 进行垃圾邮件分类：

2.4 垃圾邮件的主要预测符：