Python人工智能参考---朴素贝叶斯进行垃圾邮件分类最最最简单实战

一、总结

一句话总结：

a、用最简单的实例来演示算法是最方便的能洞悉算法实质的方式

b、朴素贝叶斯注意有多个词表，而不是一个混合的词表

1、朴素贝叶斯进行垃圾邮件分类的计算的时候的注意点是什么？

【P(关键词1,关键词2)）可以不计算】：P(结果|关键词1,关键词2) = P(关键词1,关键词2|结果)*P(结果)/P(关键词1,关键词2)）中P(关键词1,关键词2)）为恒量，可以不计算，因为不不同结果情况下这个值都是一样的

【没出现的词概率弄低点】：比如弄成1/1000，需要看数据量

2、朴素贝叶斯进行垃圾邮件分类时，词表是分一个还是分两个？

两个：一个是正常邮件词频，一个是垃圾邮件词频

3、朴素贝叶斯进行垃圾邮件分类演算时，【计算测试邮件】的具体步骤是什么？

1、测试邮件为正常邮件的几率：0.5*10^(-6)

2、测试邮件为垃圾邮件的几率：125*10^(-6)

3、比较得出测试邮件为哪种邮件：为正常邮件的几率明显低于垃圾邮件，所以是垃圾结果是垃圾邮件

1、测试邮件为正常邮件的几率
P(正常邮件|便宜,电器) = P(便宜,电器|正常邮件)*P(正常邮件)=P(便宜|正常邮件)*P(电器|正常邮件)*P(正常邮件)=(1/1000)*(1/1000)*(2/4) =0.5*10^(-6)

2、测试邮件为垃圾邮件的几率
P(垃圾邮件|便宜,电器) = P(便宜,电器|垃圾邮件)*P(垃圾邮件)=P(便宜|垃圾邮件)*P(电器|垃圾邮件)*P(垃圾邮件)=(1/4)*(1/1000)*(2/4) =125*10^(-6)

3、比较得出测试邮件为哪种邮件
直接比大小好了，就不计算概率了：125*10^(-6) > 0.5*10^(-6) ，所以这封邮件为垃圾邮件

4、朴素贝叶斯解决问题思路？

统计各个分类的词语的概率，根据概率公式（根据测试邮件中的词语）来算测试邮件分别是垃圾邮件和正常邮件的概率

二、朴素贝叶斯进行垃圾邮件分类最简单实战

为方面演示说明，取词取少，真实的情况可以分词，全取

1、数据

比如正常邮件1：
明天上午6点上班（为方面演示说明，取：明天上班）
比如正常邮件2：
因为你工作勤奋，下个月即将升值加薪。（为方面演示说明，取：勤奋加薪）

比如垃圾邮件1：
域名 347/元一年，你值得拥有。（为方面演示说明，取：值得拥有）
比如垃圾邮件2：
最便宜的洗发水，非常值得入手。（为方面演示说明，取：便宜值得）

测试邮件1：
最便宜的电器，最便宜的电脑（为方面演示说明，取：便宜电器）

2、解答过程

步骤一：获取正常邮件词频

明天 1
上班 1
勤奋 1
加薪 1

步骤二：获取垃圾邮件词频

值得 2
拥有 1
便宜 1

步骤三：计算测试邮件

0、注意点：

P(结果|关键词1,关键词2) = P(关键词1,关键词2|结果)*P(结果)/P(关键词1,关键词2)）中P(关键词1,关键词2)）为恒量，可以不计算，因为不不同结果情况下这个值都是一样的

没出现的词概率弄低点，弄成1/1000

1、测试邮件为正常邮件的几率

P(正常邮件|便宜,电器) = P(便宜,电器|正常邮件)*P(正常邮件)=P(便宜|正常邮件)*P(电器|正常邮件)*P(正常邮件)=(1/1000)*(1/1000)*(2/4) =0.5*10^(-6)

2、测试邮件为垃圾邮件的几率

P(垃圾邮件|便宜,电器) = P(便宜,电器|垃圾邮件)*P(垃圾邮件)=P(便宜|垃圾邮件)*P(电器|垃圾邮件)*P(垃圾邮件)=(1/4)*(1/1000)*(2/4) =125*10^(-6)

3、比较得出测试邮件为哪种邮件

直接比大小好了，就不计算概率了：125*10^(-6) > 0.5*10^(-6) ，所以这封邮件为垃圾邮件