基于python的Ham和Spam的垃圾文件查找

作业要求

Using ham-spam.csv (WED)/ SMSSpamCollection (THU)

Perform MapReduce process to find out top 20 words of class ham.

Perform MapReduce process to find out top 20 words of class spam

数据集

ham-spam.csv (WED)/ SMSSpamCollection (THU)

下载链接：https://archive.ics.uci.edu/datasets

数据集内容描述：

SMS Spam Collection是用于广告短信识别的经典数据集，完全来自真实短信内容，包括4831条正常短信和747条广告短信。

其内容如下，每一个line都表示一段邮件，"ham"和"spam"分别表示邮件的类别“正常邮件”和“广告邮件”，然后以'\t'为间隔右边的长字符串为邮件内容。

开发平台

谷歌云端硬盘

作业实现思路及代码

1、建立谷歌连接

在Google Colab中与Google Drive云存储服务建立连接和创建一个符号链接，使你能够在Google Colab中连接到Google Drive，然后列出Google Drive中的文件和文件夹，以便在Colab环境中访问它们。

from google.colab import drive
driv