使用贝叶斯方法分类中文垃圾邮件

最新推荐文章于 2025-03-22 23:06:36 发布

小欣爱吃糖

最新推荐文章于 2025-03-22 23:06:36 发布

阅读量7.1k

点赞数 9

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/qq_33335484/article/details/82288351

版权

本文展示了如何使用贝叶斯方法对中文垃圾邮件进行分类。通过分析一个包含100条正常邮件和50条垃圾邮件的数据集，进行数据预处理，包括分词、去除停用词，并利用词云可视化词语分布。接着，使用朴素贝叶斯算法训练模型，并对模型性能进行评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这里的中文垃圾邮件数据集内含100条正常邮件和50条垃圾邮件，其实，这做为训练数据，是远远不够的。不过，可以先大致看一下中文垃圾邮件处理的过程。

给大家看一下数据集的基本结构，大概是这个样子的：

话不多说，上代码.

导入各种包：

%pylab inline
import matplotlib.pyplot as plt
import pandas as pd
import string
import codecs
import os
import jieba
from sklearn.feature_extraction.text import CountVectorizer
from wordcloud import WordCloud
from sklearn import naive_bayes as bayes
from sklearn.model_selection import train_test_split

打开文件：

#open file
file_path = "C:\\Users\\lenovo\\Documents\\tfstudy"
emailframe = pd.read_excel(os.path.join(file_path, "chinesespam.xlsx"), 0)

检查数据：

#inspect data
print("inspect top five rows:")
emailframe.head(5)

print("data shape:", emailframe.shape)
print("spams in rows:", emailframe.loc[emailframe['type'] == "spam"].shape[0])
print("ham in rows:", emailframe.loc[emailframe['type']