my-nlp

中文垃圾邮件分类实战

数据集分为：ham_data.txt 和 Spam.data.txt , 对应为 正常邮件和垃圾邮件

其中每行代表着一个邮件

主要过程为：

1. 数据提取
2. 对数据进行归整化和预处理
3. 提取特征（tfidf 和 词袋模型）
4. 训练分类器
   • 基于词袋模型的多项式朴素贝叶斯
   • 基于词袋模型的逻辑回归
   • 基于词袋模型的支持向量机
   • 基于 tfidf 的多项式朴素贝叶斯
   • 基于 tfidf 的逻辑回归
   • 基于 tfidf 的支持向量机
5. 用 准确率(Precision)、召回率(Recall)、F1测度 来评价模型