朴素贝叶斯实现垃圾邮件分类器

0.理论

贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(A|B)=P(B|A)*P(A)/P(B)。

使用朴素贝叶斯对垃圾邮件进行分类， 假定各个单词之间没有联系。只是独立地检查邮件中的每个单词，然后将每个单词对确定是否为垃圾邮件的贡献组合起来。

1.用朴素贝叶斯实现垃圾邮件分类

import os
import io
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

def resultFrameFromDirectory(root, classification):
    """读取文件夹路径下的所有文件数据，提取邮件内容和分类

    Args:
        root (str): 文件夹路径
        classification (str): 分类

    Returns:
        resultFrame: 消息和分类
    """        

    files = os.listdir(root)
    result = {
   'message': [], 'classification': []}

    for file in files:
        path = os.path.join(root