运用贝叶斯分类求得的分词属于垃圾邮件或正常邮件的概率，txt文件内第一列是分词，第二列是处于垃圾邮件的概率，第三列是属于正常邮件的概率

采用朴素贝叶斯的学习方法对垃圾邮件进行判别分类。程序可在Matlab中运行。注意：程序代码在压缩包中的Homework 1 solution.pdf 中！

基于ASP的反垃圾邮件管理系统的毕业设计(源代码+论文).zip

毕业论文设计-IT计算机-基于ASP的反垃圾邮件管理系统的设计(源码+论文).zip

机器学习实战所需资源

利用贝叶斯方法对垃圾邮件进行分类，用数据进行训练，测试数据来计算错误概率（matlab语言编写）

简单的朴素贝叶斯垃圾邮件分类算法（python实现），另外上传的有垃圾邮件训练数据集，供大家下载。

机器学习数据资源可用于朴素贝叶斯垃圾邮件过滤器中的一些训练文本数据集。使用朴素贝叶斯解决一些现实生活的问题时，需要先从文本内容得到字符串列表，然后生成词向量。其中朴素贝叶斯的一个最著名的应用：电子邮件垃圾过滤。

基于CNN的中文文本分类算法（可应用于垃圾邮件过滤、情感分析等场景） 利用word2vec先获取中文测试数据集中各个字的向量表达，再输入卷积网络进行分类。 运行方法 训练 run python train.py to train the cnn with the spam and ham files (only support chinese!) (change the config filepath in FLAGS to your own) 在tensorboard上查看summaries run tensorboard --logdir /{PATH_TO_CODE}/runs/{TIME_DIR}/summaries/ to view summaries in web view 测试、分类 run python eval.py --checkpoint_dir /{PATH_TO_CODE/runs/{TIME_DIR}/checkpoints} 如果需要分类自己提供的文件，请更改相关输入参数 如果需要测试准确率，需要指定对应的标签文件(input_label_file): python eval.py --input_label_file /PATH_TO_INPUT_LABEL_FILE 说明：input_label_file中的每一行是0或1，需要与input_text_file中的每一行对应。 在eval.py中，如果有这个对照标签文件input_label_file，则会输出预测的准确率 推荐运行环境 python 2.7.13 :: Anaconda 4.3.1 (64-bit) tensorflow 1.0.0 gensim 1.0.1 Ubuntu16.04 64bit

bayes.py为主体代码，利用终端输入python调用程序，代码中包含中文注释。也包含测试集与训练集。