各位好，我是乾颐堂大堂子。领取完整实战指南可以私信我，关键词：实战指南
通过 jieba 文字分词库对邮件数据集的垃圾邮件和进行文本处理，提取特征。然后调用 sklearn 机器学习库中的朴素贝叶斯算法训练模型，最后推理测试集中邮件是否为垃圾邮件。
步骤 1 引入相关依赖的包
步骤 2 构建文本处理函数
删除其中的干扰字符，例如【】*。，等等，然后分词，剩下的词汇认为是有效词汇。
步骤3构建文本读取函数
获取文件中所有词,进行文本处理
步骤4构建数据集
统计全部训练集中每个有效词汇的出现次数，截取出现次数最多的前500个根据预处理后的垃圾邮件和非垃圾邮件内容生成特征向量，统计得到的500个词语分别在该邮件中的出现概率
得到特征向量和已知邮件分类创建并训练朴素贝叶斯模型。
步骤6模型测试
读取测试邮件，对邮件文本进行预处理，提取特征向量。使用训练好的模型，根据提取的特征向量对邮件进行分类
更多网工提升干货，请关注公众号：乾颐堂网络实验室
标签：特征向量,步骤,LAB,贝叶斯,华为,垃圾邮件,文本处理,邮件 From： https://blog.51cto.com/u_15966276/6088630