各位好，我是乾頤堂大堂子。領(lǐng)取完整實(shí)戰(zhàn)指南可以私信我，關(guān)鍵詞：實(shí)戰(zhàn)指南

通過 jieba 文字分詞庫對(duì)郵件數(shù)據(jù)集的垃圾郵件和進(jìn)行文本處理，提取特征。然后調(diào)用 sklearn 機(jī)器學(xué)習(xí)庫中的樸素貝葉斯算法訓(xùn)練模型，最后推理測試集中郵件是否為垃圾郵件。

步驟 1 引入相關(guān)依賴的包

步驟 2 構(gòu)建文本處理函數(shù)

?刪除其中的干擾字符，例如【】*。，等等，然后分詞，剩下的詞匯認(rèn)為是有效詞匯。

步驟3構(gòu)建文本讀取函數(shù)

獲取文件中所有詞,進(jìn)行文本處理

步驟4構(gòu)建數(shù)據(jù)集

統(tǒng)計(jì)全部訓(xùn)練集中每個(gè)有效詞匯的出現(xiàn)次數(shù)，截取出現(xiàn)次數(shù)最多的前500個(gè)根據(jù)預(yù)處理后的垃圾郵件和非垃圾郵件內(nèi)容生成特征向量，統(tǒng)計(jì)得到的500個(gè)詞語分別在該郵件中的出現(xiàn)概率

得到特征向量和已知郵件分類創(chuàng)建并訓(xùn)練樸素貝葉斯模型。

步驟6模型測試

讀取測試郵件，對(duì)郵件文本進(jìn)行預(yù)處理，提取特征向量。使用訓(xùn)練好的模型，根據(jù)提取的特征向量對(duì)郵件進(jìn)行分類

更多網(wǎng)工提升干貨，請(qǐng)關(guān)注公眾號(hào)：乾頤堂網(wǎng)絡(luò)實(shí)驗(yàn)室

總結(jié)

以上是生活随笔為你收集整理的华为LAB实验室4-朴素贝叶斯的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。