8、垃圾邮件检测与加密算法密钥调度优化研究

垃圾邮件检测与加密算法密钥调度优化研究

垃圾邮件检测模型评估

在垃圾邮件检测领域，为了评估模型性能，使用了多种知名分类器，如朴素贝叶斯分类器、支持向量机（SVM）、决策树和人工神经网络等，在两个数据集上进行训练，并比较各分类器的结果。

由于正常邮件数量显著多于垃圾邮件数量，仅用准确率无法全面评估分类器性能。因此，除了准确率，还使用了精确率、召回率和F1分数作为性能指标，具体计算公式如下：
- 准确率（A）：$A=\frac{TP + TN}{TP + TN + FN + FP}$
- 精确率（P）：$P=\frac{TP}{TP + FP}$
- 召回率（R）：$R=\frac{TP}{TP + FN}$
- F1分数：$F1 - score = 2 * \frac{P * R}{P + R}$

其中，$TP$ 为真正例，$TN$ 为真反例，$FP$ 为假正例，$FN$ 为假反例。两个数据集上不同分类器的这些指标值分别列于表1和表2，最佳预测结果以粗体显示。

分类器	准确率（%）	精确率	召回率	F1分数
支持向量机	98.08	0.962	0.882	0.920
朴素贝叶斯