基于朴素贝叶斯的垃圾邮件分类

本次实现垃圾邮件分类的思路：

分类标准：当 P（垃圾邮件|文字内容）> P（正常邮件|文字内容）时，我们认为该邮件为垃圾邮件，但是单凭单个词而做出判断误差肯定相当大，因此我们可以将所有的词一起进行联合判断。 

本次实验中，所采用的数据集为Enron Email Dataset。该数据集已经对正常邮件和垃圾邮件进行了分类。

 

数据的读取和预处理：

 

贝叶斯计算的代码：

实验结果：

准确率达到了100%

 实验总结：

实验存在一定问题，正在解决，运行结果达到了100，这是不合理的，需要对代码进行解析