NLTK朴素贝叶斯,文本分类代码示例采样 SMSSpamCollection数据集下载

最新推荐文章于 2025-07-14 23:59:42 发布

原创

最新推荐文章于 2025-07-14 23:59:42 发布 · 2.9k 阅读

13 ·

CC 4.0 BY-SA版权

该博客介绍了如何利用Python的NLTK库，结合SMSSpamCollection数据集进行朴素贝叶斯文本分类。文章中提供了完整的代码示例，帮助读者理解垃圾邮件过滤的实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://stackoverflow.com/

文本分类代码编译通过

import nltk
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer
import csv
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
import sklearn.metrics as metrics
from sklearn import tree
from sklearn.linear_model import SGDClassifier
from sklearn.svm import LinearSVC
from sklearn.ensemble import RandomForestClassifier


# 文本清洗预处理
def preprocessing(text):
    # text = text.encode("gbk").decode("utf8")
    # tokons to word 句子标记解析  单词标记解析
    tokens = [word for sent in nltk.sent_tokenize(text) for word in nltk.word_tokenize(sent)]
    # print("单词标记解析：", tokens)
    # 停用词删除
    stop = stopwords.words('english')
    tokens = [token for token in tokens if token not in st