vc++ 包含Ling-Spam 特征库和先验概率的计算 提取垃圾邮件的中的核心词汇 提取正常邮件的中的核心词汇 反馈机制
2021-11-23 09:36:28
615KB
1
机器学习案例——基于朴素贝叶斯算法的文本分类（垃圾邮件过滤）的数据集，见本人的这篇博客！！！这个资源是本人搜集的支撑数据包！
2021-10-02 22:22:21
501KB
1
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。
2021-07-12 22:07:31
13KB
1
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
2021-07-08 15:02:43
13.32MB
1