正文

朴素贝叶斯应用：垃圾邮件分类

huang201606050002  huang201606050002  2023-01-29  562

关键词：

1. 数据准备：收集数据与读取

2. 数据预处理：处理数据

3. 训练集与测试集：将先验数据按一定比例进行拆分。

4. 提取数据特征，将文本解析为词向量。

5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量。

6. 测试模型：用测试数据集评估模型预测的正确率。

混淆矩阵

准确率、精确率、召回率、F值

7. 预测一封新邮件的类别。

!pip install nltk

import nltk
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer

##预处理
def preprocessing(text):
    #text=text.decode(‘utf-8‘)
    tokens=[word for sent in nltk.sent_tokenize(text) for word in nltk.word_tokenize(sent)]
    stops=stopwords.words(‘english‘)
    tokens=[token for token in token not in stops]
    
    
    tokens=[token.lower() for tokens in tokens if len(token)>=3]
    lmtzr= WordNetsLemmatize()
    tokens=[lmtzr.lemmatize(token) for token in tokens]
    preprocessed_text=‘‘.jion(tokens)
    return preprocessed_text


##读取数据集
import csv
file_path = r"D:sms.txt"
sms=open(file_path,‘r‘,encoding=‘utf-8‘)
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter=‘	‘)


for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
sms.close()

from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(sms_data,sms_label,test_size=0.3,random_state=0,stratify=sms_label)
print(len(sms_data),len(x_train),len(x_test))
x_train


结果：

##将其向量化
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer=TfidfVectorizer(min_df=2,ngram_range=(1,2),stop_words=‘english‘,strip_accents=‘unicode‘)
X_train=vectorizer.fit_transform(x_train)
X_test=vectorizer.transform(x_test)


##朴素贝叶斯分类器
from sklearn.naive_bayes import MultinomialNB
clf=MultinomialNB().fit(X_train,y_train)
y_nb_pred=clf.predict(X_test)

##分类结果显示
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report


print(y_nb_pred.shape,y_nb_pred)   #x_test的预测结果
print(‘nb_confusion_matrix:‘)
cm=confusion_matrix(y_test,y_nb_pred)  #混淆矩阵
print(cm)
print(‘nb_classification_report:‘)
cr=classification_report(y_test,y_nb_pred)   ##主要分类指标的文本报告
print(cr)


feature_names=vectorizer.get_feature_names()   ##出现过的单词列表
coefs=clf.coef_   ##先验概率P(x_i|y),6034 feature_log_prob_
intercept=clf.intercept   ##P(y),class_log_prior_;array;shape(n_classes,)Smoothed empirical log probability for each class
coefs_with_fns=sorted(zip(coefs[0],feature_name))  ##对数概率P（x_i|y）与单词x_i映射

n=10

top = zip(coefs_with_fns[:n],coefs_with_fns[:-(n+1):-1])  ##最大的10个与最小的10个单词
for (coef_1,fn_1),(coef_2,fn_2) in top:
    print(‘	%.4f	%-15s		%.4f	%-15s‘%(coef_1,fn_1,coef_2,fn_2))  ##查看准确率、召回率、F值、精确率


结果：

##预测一封新邮件的类别。
new_email=[‘新邮件‘]
vectorizer(new_email)
clf.predict(new_email)

朴素贝叶斯应用：垃圾邮件分类(代码片段)

importnltkfromnltk.corpusimportstopwordsfromnltk.stemimportWordNetLemmatizer#预处理defpreprocessing(text):tokens=[wordforsentinnltk.sent_tokenize(text)forwordinnltk.word_tokenize(sent)]stops=stopwords.wo 查看详情

朴素贝叶斯应用：垃圾邮件分类(代码片段)

importnltknltk.download()fromnltk.corpusimportstopwordsfromnltk.stemimportWordNetLemmatizer#预处理defpreprocessing(text):tokens=[wordforsentinnltk.sent_tokenize(text)forwordinnltk.word_tokrnize(sen 查看详情

朴素贝叶斯应用：垃圾邮件分类(代码片段)

三、垃圾邮件分类数据准备：用csv读取邮件数据，分解出邮件类别及邮件内容。对邮件内容进行预处理：去掉长度小于3的词，去掉没有语义的词等尝试使用nltk库：pipinstallnltknltk.download不成功：就使用词频统计的处理方法训练集... 查看详情

朴素贝叶斯应用：垃圾邮件分类

importcsv#读数据file_path=r‘EmailData.txt‘EmailData=open(file_path,‘r‘,encoding=‘utf-8‘)Email_data=[]Email_target=[]csv_reader=csv.reader(EmailData,delimiter=‘ ‘)#将数据分别存入数据列表和目标分类列表forlineincsv_reader:E 查看详情

朴素贝叶斯应用：垃圾邮件分类(代码片段)

朴素贝叶斯应用：垃圾邮件分类 1.数据准备：收集数据与读取2.数据预处理：处理数据3.训练集与测试集：将先验数据按一定比例进行拆分。4.提取数据特征，将文本解析为词向量。5.训练模型：建立模型，用训练数据训练模... 查看详情

朴素贝叶斯应用：垃圾邮件分类(代码片段)

#读取数据集importcsvfile_path=r‘C:UsersAdministratorDesktop江南.txt‘sms=open(file_path,‘r‘,encoding=‘utf-8‘)text=csv.reader(sms,delimiter=‘ ‘)text#预处理defpreprocessing(text):#text=text.decode("utf-8")tok 查看详情

朴素贝叶斯应用：垃圾邮件分类

...确率、召回率、F值7.预测一封新邮件的类别。#要点#理解朴素贝叶斯查看详情

利用朴素贝叶斯（naviebayes）进行垃圾邮件分类

...分类的样例来加深对于理论的理解。这里我们来解释一下朴素这个词的含义：1）各个特征是相互独立的，各个特征出现与其出现的顺序无关；2）各个特征地位同等重要；以上都是比較强的如果以下是朴素贝叶斯分类的流程：这... 查看详情

朴素贝叶斯应用：垃圾邮件分类

1.数据准备：收集数据与读取2.数据预处理：处理数据3.训练集与测试集：将先验数据按一定比例进行拆分。4.提取数据特征，将文本解析为词向量。5.训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出... 查看详情

朴素贝叶斯应用：垃圾邮件分类

朴素贝叶斯应用：垃圾邮件分类(代码片段)

朴素贝叶斯-垃圾邮件分类

1.读邮件数据集文件，提取邮件本身与标签。列表numpy数组importcsvfile_path=r"SMSSpamCollection"sms=open(file_path,‘r‘,encoding=‘utf-8‘)data=csv.reader(sms,delimiter=" ")forrindata:print(r)sms.close()2.邮件预处理邮件分句名子分词去掉过短的单词词性还... 查看详情

朴素贝叶斯-垃圾邮件分类实现(代码片段)

1.前言《朴素贝叶斯算法（NaiveBayes）》，介绍了朴素贝叶斯原理。本文介绍的是朴素贝叶斯的基础实现，用来垃圾邮件分类。2.朴素贝叶斯基础实现朴素贝叶斯(naiveBayes)法是基于贝叶斯定理与特征条件独立假设的分类的方法。对... 查看详情

bayes朴素贝叶斯实现垃圾邮件分类

...25封正常邮件，随机产生了10组测试集和40组训练集，使用朴素贝叶斯方法实现了垃圾邮件的分类。 Bayes公式遍历每篇文档向量，扫描所有文档的单词，合并集合去重，并生成最终的词汇表 # 创建词汇表#&n... 查看详情

朴素贝叶斯垃圾邮件过滤问题

】朴素贝叶斯垃圾邮件过滤问题【英文标题】：naivebayesianspamfilterquestion【发布时间】：2011-02-0618:14:45【问题描述】：我计划使用朴素贝叶斯分类模型实施垃圾邮件过滤器。在网上我看到了很多关于朴素贝叶斯分类的信息，但问... 查看详情

12.朴素贝叶斯-垃圾邮件分类

1.读邮件数据集文件，提取邮件本身与标签。列表numpy数组2.邮件预处理邮件分句句子分词大小写，标点符号，去掉过短的单词词性还原：复数、时态、比较级连接成字符串2.1传统方法来实现 2.2nltk库的安装与使用pipinstalln... 查看详情

如何在垃圾邮件过滤中嵌入带有朴素贝叶斯分类器的关联规则？

】如何在垃圾邮件过滤中嵌入带有朴素贝叶斯分类器的关联规则？【英文标题】：HowcanIembedAssosciationruleswithNaiveBayesclassifierinspamfiltering?【发布时间】：2017-07-0215:49:16【问题描述】：实际上，我正在研究用于过滤邮件的朴素贝叶斯... 查看详情

使用朴素贝叶斯分类器过滤垃圾邮件

1.从文本中构建词向量将每个文本用python分割成单词，构建成词向量，这里首先需要一个语料库，为了简化我们直接从所给文本中抽出所有出现的单词构成一个词库。2.利用词向量计算概率p(x|y)Whenweattempttoclassifyadocument,wemultiplyalot... 查看详情