BayesSpam:python实现基于贝叶斯的简单垃圾邮件分类

附件源码文章源码

BayesSpam python实现基于贝叶斯的简单垃圾邮件分类在400封邮件（正常邮件与垃圾邮件各一半）的测试集中测试结果为分类准确率95.15%，在仅仅统计词频计算概率的情况下，分类结果还是相当不错的。 1、准备工作 python3.4开发环境；结巴分词工具： 2、贝叶斯公式我们要做的是计算在已知词向量$w=(w_1,w_2,...,w_n)$的条件下求包含该词向量邮件是否为垃圾邮件的概率，即求： $P(s|w),w=(w_1,w_2,...,w_n)$ 其中，$s$表示分类为垃圾邮件根据贝叶斯公式和全概率公式， $P(s|w_1,w_2,...,w_n)$ $=\frac {P(s,w_1,w_2,...,w_n)}{P(w_1,w_2,...,w_n)}$ $=\frac {P(w_1,w_2,...,w_n|s)P(s)}{P(w_1,w_2,...,w_n)}$ $=\

文件下载

资源详情

[{"title":"（ 15245 个子文件 17.55MB ） BayesSpam:python实现基于贝叶斯的简单垃圾邮件分类","children":[{"title":".gitignore 649B ","children":null,"spread":false},{"title":".project 363B ","children":null,"spread":false},{"title":"README.md 2.55KB ","children":null,"spread":false},{"title":"org.eclipse.core.resources.prefs 356B ","children":null,"spread":false},{"title":".gitattributes 378B ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

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

BayesSpam:python实现基于贝叶斯的简单垃圾邮件分类

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

热门下载

最新下载