机器学习算法：利用支持向量机做文本分类

机器学习算法：利用支持向量机做文本分类

在机器学习领域，支持向量机（Support Vector Machine, SVM）是一种广泛应用的分类算法。它将数据映射到高维空间中，并找到一个最优超平面，将不同类别的数据分开。本文将利用Matlab实现基于支持向量机的文本分类。

1. 数据预处理
   首先需要对数据进行预处理。这里选用的是垃圾邮件分类数据集（SpamAssassin Public Corpus），该数据集包括了两个文件夹：spam和ham，分别代表垃圾邮件和非垃圾邮件。每个文件夹下面包含多个txt文件，每个txt文件代表一封邮件。我们需要将这些txt文件读进来，并进行预处理，包括：

（1）去掉标点符号和数字

（2）转成小写

（3）去掉停用词（如and、the等）

这里我们选用了常见的英文停用词表，可在网上搜索下载。

具体代码如下：

% 读取所有txt文件
spam_files = dir