svm垃圾邮件识别器project（面试时可以重点讲）

样本邮件数据来自一个资料库；

第一步，邮件内容预处理; 例如一般化这个url地址成为httpaddr，这个识别器会根据是否有url来判断是否垃圾邮件；都转化为小写字母，一般化数字，一般化价钱等等。。。

第二步，预处理后，选取垃圾邮件中出现次数超过100次的关键字组成列表，列表大概有1899个关键字；

第三步，有关键字列表后，就可以map测试样本，获得一个1899向量，第n维的向量为1时，代表第n个关键字存在于样本，这样我们就可以获取这个样本的feature了；

第四步，获得这个feature之后我们就可以训练模型了，训练样本有4000个，测试样本有1000个。