邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分类数据集邮件分
2022-05-23 12:05:47
3.72MB
1
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！
2022-05-22 15:52:04
603KB
1
ml-projects：基于ML的项目，例如垃圾邮件分类，时间序列分析，使用随机森林进行文本分类，深度学习，贝叶斯，Python中的Xgboost
2022-05-19 01:00:19
9KB
1
本文基于朴素贝叶斯构建一个分类垃圾邮件的模型，研究对象是英文的垃圾邮件。
邮件内容保存在txt文件中，其中分为训练样本train和测试样本test。
在训练样本中正常邮件命名为：pos；垃圾邮件命名为：neg。
同时，可以将待分类的测试样本放入测试文件test中的对于pos，或者neg下，用来进行测试，如果是垃圾邮件则类别为0，反之类别为1。
在朴素贝叶斯法进行垃圾邮件的分类的思想中：有一个方法与一个假设：
贝叶斯定理：求解p(c|x)的问题变成了求解p(x|c)的问题
特征条件独立假设 ：X的n个特征在某类确定的条件下都是条件独立的。
具体可以看：[监督学习] 朴素贝叶斯法.
在Gi
2022-05-16 16:30:45
61KB
1
常见机器学习任务的演练-通过使用python和scikit-learn构建Naive Bayes垃圾邮件分类器
2022-03-23 20:30:45
2.77MB
1