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
import csvfile_path = r'F:\SMSSpamCollectionjs.txt'sms = open(file_path,'r',encoding = 'utf-8')sms_data = []sms_label = []csv_reader = csv.reader(sms, ...
分类：
编程语言 时间：
2018-11-29 11:08:24
阅读次数：
244
1. 朴素贝叶斯： 条件概率在机器学习算法的应用。理解这个算法需要一点推导。不会编辑公式。。 核心就是 在已知训练集的前提条件下，算出每个特征的概率为该分类的概率， 然后套贝叶斯公式计算 预测集的所有分类概率，预测类型为概率最大的类型 ...
分类：
系统相关 时间：
2018-11-27 20:59:39
阅读次数：
196
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 from sklearn import datasets iris=datasets.load_iris() #高斯分布型 from sklearn.naive_bayes impo ...
分类：
其他好文 时间：
2018-11-26 13:44:46
阅读次数：
175
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
