12、基于朴素贝叶斯的概率学习：短信垃圾邮件分类

基于朴素贝叶斯的概率学习：短信垃圾邮件分类

1. 文本数据清理

在处理短信数据时，首先要进行一系列的清理工作。如果在应用 stemDocument() 转换时收到错误消息，需确认是否安装了 SnowballC 包。若安装后仍遇到所有调度核心都出错的消息，可以通过添加 mc.cores = 1 参数，强制 tm_map() 命令使用单核心。

在移除数字、停用词、标点符号并进行词干提取后，短信中会留下之前分隔已移除部分的空白。最后一步是使用内置的 stripWhitespace() 转换来移除额外的空白：

sms_corpus_clean <- tm_map(sms_corpus_clean, stripWhitespace)

以下表格展示了短信语料库中前三条短信在清理前后的情况：
| 清理前的短信 | 清理后的短信 |
| — | — |
| > as.character(sms_corpus[1:3]) [[1]] Hope you are having a good week. Just checking in [[2]] K..give back my thanks. [[3]] Am also doing in cbe only. But have to pay. | > as.character(sms_corpus_clean[1:3]) [[