matlab实现垃圾邮件分类代码-Spam-Email-Classification:在CVX库上应用SVM识别垃圾邮件

上传者: 38517728 | 上传时间: 2022-06-23 14:52:05 | 文件大小: 2.34MB | 文件类型: ZIP
matlab实现垃圾邮件分类代码垃圾邮件分类 该项目旨在将垃圾邮件和非垃圾邮件从 . 学习目标是熟悉MATLAB上的CVX工具箱,从头开始编码SVM优化问题。 需要在 MATLAB 上运行代码。 然而,工作可以分为三个步骤—— 1. Feature Extraction 2. Email Classification 3. Parameter Tuning 下面简要说明这些步骤。 但是,请参阅详细说明。 1.特征提取 调用函数 该数据库包含 6,050 封电子邮件,垃圾邮件比率为 30%。 首先,使用 rename.m 代码将所有电子邮件重命名为 .txt 文件。 在所有文件都可以访问后,为每封电子邮件提取一个特征向量,而特征标签为 1 代表垃圾邮件,0 代表非垃圾邮件。 对于此任务,每封电子邮件都会调用 processEmail.m。 然后,它会按照问题描述中给出的规范化程序截取调用 porterStemmer.m 的电子邮件中的单词。 然后将每个词干词与 vocabList.txt 文件中的字典词进行比较。 字典里有1899个字。 初始特征向量是一列零。 如果字典中的单词出现在电子

文件下载

资源详情

[{"title":"( 24 个子文件 2.34MB ) matlab实现垃圾邮件分类代码-Spam-Email-Classification:在CVX库上应用SVM识别垃圾邮件","children":[{"title":"Spam-Email-Classification-master","children":[{"title":"Main_Soft_Margin.m <span style='color:#111;'> 2.84KB </span>","children":null,"spread":false},{"title":"Cross_Validation_Poly_Kernel.m <span style='color:#111;'> 2.30KB </span>","children":null,"spread":false},{"title":"Cross_Validation_Soft_Margin.m <span style='color:#111;'> 1.93KB </span>","children":null,"spread":false},{"title":"easy_ham_features.mat <span style='color:#111;'> 216.00KB </span>","children":null,"spread":false},{"title":"getVocabList.m <span style='color:#111;'> 761B </span>","children":null,"spread":false},{"title":"renaming_txt.m <span style='color:#111;'> 397B </span>","children":null,"spread":false},{"title":"easy_ham_2_features.mat <span style='color:#111;'> 134.39KB </span>","children":null,"spread":false},{"title":"readFile.m <span style='color:#111;'> 407B </span>","children":null,"spread":false},{"title":"spam_2_features.mat <span style='color:#111;'> 156.86KB </span>","children":null,"spread":false},{"title":"vocab.txt <span style='color:#111;'> 19.77KB </span>","children":null,"spread":false},{"title":"Spam Email Classification Project.pdf <span style='color:#111;'> 1.25MB </span>","children":null,"spread":false},{"title":"hard_ham_features.mat <span style='color:#111;'> 47.33KB </span>","children":null,"spread":false},{"title":"Main_Gauss_Kernel.m <span style='color:#111;'> 3.46KB </span>","children":null,"spread":false},{"title":"SVM_Model_Test.m <span style='color:#111;'> 1.55KB </span>","children":null,"spread":false},{"title":"spam_features.mat <span style='color:#111;'> 56.37KB </span>","children":null,"spread":false},{"title":"processEmail.m <span style='color:#111;'> 2.19KB </span>","children":null,"spread":false},{"title":"Cross_Validation_Gauss_Kernel.m <span style='color:#111;'> 2.44KB </span>","children":null,"spread":false},{"title":"email_dataset.m <span style='color:#111;'> 1.03KB </span>","children":null,"spread":false},{"title":"Main_Poly_Kernel.m <span style='color:#111;'> 3.15KB </span>","children":null,"spread":false},{"title":"porterStemmer.m <span style='color:#111;'> 9.67KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.81KB </span>","children":null,"spread":false},{"title":"email_representation.m <span style='color:#111;'> 974B </span>","children":null,"spread":false},{"title":"feature_extraction.m <span style='color:#111;'> 177B </span>","children":null,"spread":false},{"title":"All_email_features.mat <span style='color:#111;'> 603.00KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明