朴素贝叶斯 实现 垃圾邮件分类

1.贝叶斯的基本思想：

已知公式：p（y|x）=p（x|y）*p（y）/p（x）

可以将x看做特征向量，y为结果，那么p（y|x）就是在x特征出现的情况下，结果为y的概率。

在机器学习中，p（y|x）就是我们预测一个新样本要计算样本属于哪一类的公式，同时我们掌握着大量的数据集，因为p（y|x）不好求解，那么可以对p（x|y）*p（y）进行计算，偷天换日，效果是一样的。

由于p（x）属于全概率公式，每个判断过程的p（x）都是相同的，因此忽略掉也不影响各类概率大小的比较。

接下来上代码讲解全过程：

1.获取到邮件数据集.csv，要对每一封邮件进行真实值（label）的存储，和邮件内容（feature）的存储

注意的是：邮件内容存储的同时，要对内容进行切词，可以利用jieba库

2.先手动将垃圾邮件和正常邮件分开；然后分别对垃圾邮件和正常邮件进行词袋的建立。

3. 去除词袋中没有意义的词汇统计量，免得影响进行朴素贝叶斯计算时，分母过大，导致词袋词频数少的邮件词袋概率总是偏大