import csv # 读数据 file_path = r'EmailData.txt' EmailData = open(file_path,'r',encoding='utf-8') Email_data = [] Email_target = [] csv_reader = csv.read... ...
分类：
其他好文 时间：
2018-12-02 22:49:39
阅读次数：
144
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： pip install nltk nltk.download 不成功：就使用词频统计的处理方法 训练集和测试集数据划分 from sk... ...
分类：
其他好文 时间：
2018-11-29 15:16:44
阅读次数：
218
#读取数据集 import csv file_path=r'C:\Users\Administrator\Desktop\江南.txt' sms=open(file_path,'r',encoding='utf-8') text=csv.reader(sms,delimiter='\t') text... ...
分类：
其他好文 时间：
2018-11-29 15:09:32
阅读次数：
188
import nltk nltk.download() from nltk.corpus import stopwords from nltk.stem import WordNetLemmatizer #预处理 def preprocessing(text): tokens = [word for... ...
分类：
其他好文 时间：
2018-11-29 15:01:31
阅读次数：
474
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 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 ...
分类：
其他好文 时间：
2018-11-26 13:46:34
阅读次数：
235
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证 3. 垃圾邮件分类 ...
分类：
其他好文 时间：
2018-11-26 13:42:04
阅读次数：
231
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证. 3.垃圾邮件分类. ...
分类：
其他好文 时间：
2018-11-26 13:40:01
阅读次数：
210
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 垃圾邮件分类 ...
分类：
其他好文 时间：
2018-11-26 13:30:58
阅读次数：
191
1.使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯： 高斯分布型 多项式型 伯努利型 2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。 3. 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 ...
分类：
其他好文 时间：
2018-11-25 13:21:42
阅读次数：
193
通俗来说，机器学习是将无预数据转化为价值的方法。 机器学习的价值在于从数据中抽取规律并用来预测未来。 机器学习可以应用于分类问题、回归问题、排序问题和生成问题。 分类问题如图像识别，垃圾邮件识别；回归问题和分类问题类似，不同点在于分类问题给出的是标签，回归问题给出的是数据，如股价预测，房价预测；排序 ...
分类：
其他好文 时间：
2018-11-23 22:00:50
阅读次数：
187
