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