问题： 我们需要在字符串的开头或结尾处按照指定的文本模式做检查，例如检查文件的扩展名、URL协议类型等。 解决方案： 有一种简单的方法可用来检查字符串的开头或结尾，只要使用str.startswith()和str.endswith()方法就可以了 1 filename = 'spam.txt' 2 ...
分类：
其他好文 时间：
2020-07-20 15:34:29
阅读次数：
78
用途：从众多数据中找到符合某种条件的数据，如黑名单，垃圾邮件等 介绍：布隆过滤器使用K个hash函数和一个m大小的数，以及一个m bit的位图。预先对每条数据都使用hash函数进行映射，映射得到的值再对m取模，得到一个值，把位图上对应位置置1（涂黑），对所有数据都进行映射取模置位后得到就是这么多数据 ...
分类：
其他好文 时间：
2020-07-13 21:13:07
阅读次数：
50
心得体会 1交叉验证：从训练的数据里随机抽取作为测试集 # 4-6朴素贝叶斯过滤垃圾邮件 #朴素贝叶斯交叉验证 def textParse(bigString): import re listOfTokens=re.split('\\W+',bigString) return [tok.lower( ...
分类：
其他好文 时间：
2020-07-09 11:59:40
阅读次数：
68
原文链接http://tecdat.cn/?p=14033 神经网络是一种非常通用的灵活预测模型，可用于解决各种问题，包括分类，降维和回归。 现实世界中的一些业务应用示例包括图像处理，医疗诊断，金融服务和欺诈检测。此样本说明如何使用SAS®In-Memory Statistics中的NEURAL语句 ...
分类：
其他好文 时间：
2020-07-08 14:59:00
阅读次数：
79
算法原理 朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单，也很容易实现，多用于文本分类，比如垃圾邮件过滤。 该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。 但由于该算法以自变量之间的独立（条件特征独立）性和连续变 ...
分类：
编程语言 时间：
2020-06-17 20:14:27
阅读次数：
73
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 名子分词 去掉过短的单词 词性还原 连接成字符串 传统方法来实现 nltk库的安装与使用 pip install nltk import nltk nltk.download() # sever地址改成 h ...
分类：
其他好文 时间：
2020-06-16 13:15:18
阅读次数：
60
1.读取 # 1.读取数据集 def read_dataset(): file_path = r'D:\SMSSpamCollection.txt' sms = open(file_path, encoding='utf-8') sms_data = [] sms_label = [] csv_re ...
分类：
其他好文 时间：
2020-06-16 12:50:49
阅读次数：
51
1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, ...
分类：
其他好文 时间：
2020-06-14 20:45:45
阅读次数：
70
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 2.2 nltk库的安装与使用 pip install nltk import nltk nl ...
分类：
其他好文 时间：
2020-06-14 20:23:08
阅读次数：
60
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 2.2 nltk库的安装与使用 pip install nltk import nltk nl ...
分类：
其他好文 时间：
2020-06-09 09:49:32
阅读次数：
77
