朴素贝叶斯-垃圾邮件（英文的）处理

最新推荐文章于 2022-11-29 14:09:33 发布

骑着蜗牛追星星呐

最新推荐文章于 2022-11-29 14:09:33 发布

阅读量729

点赞数

CC 4.0 BY-SA版权

分类专栏：算法类文章标签：算法

本文链接：https://blog.youkuaiyun.com/qq_43320162/article/details/86487983

算法类专栏收录该内容

7 篇文章

订阅专栏

这篇博客介绍了如何运用sklearn库中的MultinomialNB和GaussianNB实现朴素贝叶斯算法，用于垃圾邮件和非垃圾邮件的分类。通过读取英文电子邮件文本，进行预处理，创建词汇表，并将文本转化为向量，最后训练模型并对新的邮件进行预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn.naive_bayes import MultinomialNB,GaussianNB
import numpy as np

MultinomialNB 多项式朴素贝叶斯

GaussianNB 高斯朴素贝叶斯

import re
def creatVocabList(wordList): #创建词集
vocabSet=set([])
for document in wordList:
vocabSet=vocabSet|set(document)
vocabList=list(vocabSet)
return vocabList

def textParse(bigString):
line = re.split(’\W’,bigString)
return [tokens.lower() for tokens in line if len(tokens) > 2]

wordList = [] #每句话的单词
classList = [] #类标签

for i in range(1, 26):
wordList_s = textParse(open(‘C:\Users\Administrator\Desktop\emailEnglish\spam\%d.txt’%i).read())
wordList.append(wordList_s)
classList.append(1)
wordList_h = textParse(open(‘C:\Users\Administrator\Desktop\emailEnglish\health\%d.txt’%i).read())
wordList.append(wordList_h)
classList.append(0)

def setOfWords2Vec(vocabList,words): #把词转换为向量
wordVec=[0]*len(words)
for word in words:
if word in vocabList:
wordVec[vocabList.index(word)]=1
return wordVec

trainMat=[]
wordLists=creatVocabList(wordList) #词集
for words in wordList:
trainMat.append(setOfWords2Vec(words,wordLists))

m1=MultinomialNB()
m1=m1.fit(trainMat,classList)

x=textParse(open(‘C:\Users\Administrator\Desktop\emailEnglish\health\2.txt’).read())
x=np.array(setOfWords2Vec(x,wordLists))

print(m1.predict(x.reshape(1,-1)))