Python+sklearn使用朴素贝叶斯算法识别中文垃圾邮件
总体思路与步骤：
1、从电子邮箱中收集垃圾和非垃圾邮件训练集。
2、读取全部训练集，删除其中的干扰字符，例如【】*。、，等等，然后分词，删除长度为1的单个字。
3、统计全部训练集中词语的出现次数，截取出现次数最多的前N（可以根据实际情况进行调整）个。
4、根据每个经过第2步预处理后垃圾邮件和非垃圾邮件内容生成特征向量，统计第3步中得到的N个词语分别在本邮件中的出现频率。
5、根据第4步中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。
6、读取测试邮件，参考第2步，对邮件文本进行预处理，提取特征向量。
7、使用第5步中训练好的模型，根据第6步提取的特征向量对邮件进行分类。
参考代码：
1、导入需要用到的标准库和扩展库对象。
2、读取全部训练集，删除干扰字符或长度为1的单词。
3、创建贝叶斯模型，使用已有数据进行训练。
4、使用训练好的模型对未知邮件内容进行分类。
说明：分类有误差是正常的，增加训练集和调整模型参数，可以提高准确率。
邮件训练集下载地址：
链接: https://pan.baidu.com/s/1wBRbCATYlqCaYc848ydGAQ
密码: q369
----------喜大普奔----------
1、董付国老师Python系列教材，亚马逊、京东、当当、天猫均有销售：
1）《Python程序设计（第2版）》（2018年5月第6次印刷）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.18.24a52226hIi8Bj&id=534581929248&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
2）《Python可以这样学》（2018年2月第5次印刷）（本书已发行繁体版）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.16.24a52226hIi8Bj&id=544817105410&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
3）《Python程序设计基础（第2版）》（2018年5月第2次印刷）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.24.24a52226hIi8Bj&id=565581275846&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
4）《中学生可以这样学Python》2018年5月第2次印刷）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.20.24a52226hIi8Bj&id=560808221053&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
5）《Python程序设计开发宝典》（2018年2月第3次印刷）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.52.24a52226hIi8Bj&id=556093887133&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
6）《玩转Python轻松过二级》（2018年5月隆重上架）
出版社官方链接（亚马逊、京东、当当均有销售）：https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-16232114860.84.24a52226hIi8Bj&id=569250004069&rn=9311dcbc68fffcf57b7ae352800e485d&abbucket=6
董付国老师6本Python系列图书阅读指南
董付国老师6本Python系列教材被北大、复旦等近百所高校选作教材
热烈庆祝《Python可以这样学》在台湾发行繁体版
2、董老师120课免费视频地址： https://pan.baidu.com/s/1jJeAs8Q 密码: px59
----------相关阅读----------
教学课件
1900页Python系列PPT分享一：基础知识（106页）
1900页Python系列PPT分享二：Python序列（列表、元组、字典、集合）（154页）
1900页Python系列PPT分享三：选择与循环结构语法及案例（96页）
1900页Python系列PPT分享四：字符串与正则表达式（109页）
1900页Python系列PPT分享五：函数设计与应用（134页）
1900页Python系列PPT分享六：面向对象程序设计（86页）
1900页Python系列PPT分享七：文件操作（132页）
1900页Python系列PPT分享八：异常处理结构与程序调试、测试（70页）
报告PPT（163页）：基于Python语言的课程群建设探讨与实践
非计算机专业《Python程序设计基础》教学参考大纲
计算机相关专业“Python程序设计”教学大纲（参考）
报告PPT（123页）：Python编程基础精要
系列题库分享
1000道Python题库系列分享一（17道）
1000道Python题库系列分享二（48道）
1000道Python题库系列分享三（30道）
1000道Python题库系列分享四（40道）
1000道Python题库系列分享五（40道）
1000道Python题库系列分享六（40道）
1000道Python题库系列分享七（30道）
1000道Python题库系列分享八（29道）
1000道Python题库系列分享九（31道）
1000道Python题库系列分享十（37道）
1000道Python题库系列分享十一（9道）
相关阅读
Python+sklearn使用支持向量机算法实现数字图片分类
Python+sklearn使用DBSCAN聚类算法案例一则
Python使用系统聚类方法进行数据分类案例一则
Python使用K-means聚类算法进行分类案例一则
KNN分类算法原理与Python+sklearn实现根据身高和体重对体型分类
Python+sklearn使用线性回归算法预测儿童身高
使用线性回归拟合平面最佳直线及预测之Python+sklearn实现
Python使用系统聚类算法对随机元素进行分类
Python+KNN算法判断单词相似度小案例
Python+tensorflow计算整数阶乘的方法与局限性
Python编写的数字拼图游戏（含爬山算法人机对战功能）
详解Python使用模拟退火算法求解列表“最大值”
Python使用爬山算法寻找序列“最大值”
Python使用tensorflow中梯度下降算法求解变量最优值
Python判断两个单词的相似度