垃圾邮件第13页

ROC和AUC

ROC分析的是二元分类模型，也就是输出结果只有两种类别的模型，例如（阴性/阳性），（垃圾邮件/非垃圾邮件）混淆矩阵ROC空间ROC空间将伪阳率（FP

秦岭小和尚·2022-12-16 21:00

逻辑回归（logistic regression）

将数值结果转化为了0到1之间的概率(Sigmoid函数的图像一般来说并不直观，你只需要理解对数值越大，函数越逼近1，数值越小，函数越逼近0)，接着我们根据这个概率可以做预测，例如概率大于0.5，则这封邮件就是垃圾邮件

CoeY 11.11·2022-12-16 13:09

机器学习基础算法（逻辑回归、k-means、模型的保存与加载）

逻辑回归用来解决二分类问题：是否为垃圾邮件？肿瘤、癌症诊断是否是金融诈骗？

Bro_Jun·2022-12-16 11:37

机器学习 - 模型评估（TPR、FPR、K1、ROC、AUC、KS、GAIN、LIFT、GINI、KSI）

如病例（阴性/阳性、有病/没病）、邮件（垃圾邮件/非垃圾邮件）等。以病例为例，对于一个患者，存在着有病/没病两种结果。对于医生的诊断，也存在着有病/没病两种结果。

JeffyBeh·2022-12-16 10:18

人工智能十大流行算法

比如我们常常用到的邮箱，其中垃圾邮件过滤就是依靠人工智能；比如每个智能手机都配备的指纹识别或人脸识别，也是用人工智能技术实现的；比如疫情期间大规模使用的无人体温检测仪，同样也使用了人工智能；但对很多人来讲

Imagination官方博客·2022-12-16 04:42

textRNN & textCNN（及代码实现）

文本分类的应用非常广泛，如：垃圾邮件分类：2分类问题，判断邮件是否为垃圾邮件情感分析：2分类问题：判断文本情感是积极还是消极；多分类问题：判断文本情感属于{非常消极，消极，中立，积极，非常积极}中的哪一类

Sonhhxg_柒·2022-12-16 00:28

一些实用的APP分享

分享一：熊猫吃短信这是一个过滤垃圾邮件的应用程序。现在安卓手机都内置了过滤功能，但iOS还是很让人担心。不过这款App是基于iOS自带的CoreML机器学习框架做的自动筛选功能，也可以离线使用。

duhunst71·2022-12-15 08:50

深度学习之线性回归——2020.2.13

我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分类问题。

慕木子·2022-12-15 08:09

机器学习（四）朴素贝叶斯

朴素贝叶斯1.朴素贝叶斯概述1.1条件概率1.2全概率公式1.3贝叶斯推论2.朴素贝叶斯分类器应用3.使用朴素贝叶斯过滤垃圾邮件3.1准备数据：切分文本3.2测试算法：使用朴素贝叶斯进行交叉验证4.实验小结

温蒂公主的侍卫·2022-12-14 20:41

python lstm 模型训练好后如何使用_【自然语言处理】的迁移学习：微调BERT来对垃圾邮件进行分类【含Python演示】...

随着深度学习的发展，递归神经网络(RNN和LSTM)和卷积神经网络(CNN)等神经网络结构已经完成了自然语言处理(NLP)的大部分任务，它在文本分类、语言建模、机器翻译等性能上都有了很大的提高。然而，与计算机视觉（ComputerVision）中的深度学习性能相比，自然语言处理的深度学习模型的性能就差强人意了。原因之一在于缺少大型带标记的文本数据集。目前，大多数带标记的文本数据集对于自然语言处理的

weixin_39593744·2022-12-14 20:40

基于朴素贝叶斯分类器的西瓜数据集 2.0 预测分类_经典分类模型朴素贝叶斯解读...

贝叶斯分类器在早期的自然语言处理任务中有着较多实际的应用，例如大部分的垃圾邮件处理都是用的贝叶斯分类器。

weixin_39523529·2022-12-14 15:43

机器学习笔记1：机器学习基础知识——练习题

8.你会将垃圾邮件检测的问题列为监督学习还是无监督学习？9.什么是在线学习系统？10.什么是

Ruoki~·2022-12-14 10:14

学习笔记（十三）：用Tensorflow识别垃圾邮件

1.数据集的收集清洗找一个入门级的垃圾邮件分类训练集，如SpamBase(下载传送门：http://archive.ics.uci.edu/ml/machine-learning-databases/spambase

林咚咚·2022-12-14 00:59

Python实验数据集：垃圾邮件数据集（http://archive.ics.uci.edu/ml/datasets/Spambase）。请从spambase.csv读入数据。数据集基本信息如下：样

实验数据集：垃圾邮件数据集（http://archive.ics.uci.edu/ml/datasets/Spambase）。请从spambase.csv读入数据。

可乐土豆泥·2022-12-14 00:15

朴素贝叶斯分类垃圾邮件

如：正常收到一封邮件，该邮件为垃圾邮件的概率就是“先验概率”。P(A|B)称为”后验概率”，即在B事件发生之后，我们对A事件概率的重新评估。

13..·2022-12-13 22:58

Scikit-learn的六大功能

1.分类识别给定对象的类型，分类属于监督学习的范畴，最常见的应用场景包括图像识别和垃圾邮件检测。

暴走小何·2022-12-13 14:07

机器学习----回归问题

2.简介ML(MechineLearing)叫做机器学习，我们在网上看到的垃圾邮件的过滤，自

小cui童鞋·2022-12-12 23:22

机器学习的数学-回归

分类（classification）鉴别垃圾邮件就可以归类为分类问题。只有两个类别的问题称为二分类，有三个及以上的问题称为多分类，比如数字的识别就属于

zx_glave·2022-12-12 23:17

文本分类流程及可能遇到的问题

文本分类整体流程及可能遇到的问题文本分类是一个常见的任务，垃圾邮件分类、评论情感极性分析、舆情分析、新闻分类等等，在网上随便搜索都会出现满屏的解决方案和已有模型。

wwlsm_zql·2022-12-12 22:13

【机器学习】白话朴素贝叶斯算法

朴素贝叶斯算法最常见的应用场景是垃圾邮件分类。一、条件概率定义：条件概率是指事件A在事件B发生的条件下发生的概率，条件概率表示

Training.L·2022-12-12 19:12

机器学习入门简介------R(1)

每次我们使用百度搜索实际上它背后也是有复杂的机器学习系统在努力地进行这个跟我们目标关键词相关的检索、排序工作；当我们使用美图、美拍这样的照相软件时，它也是使用了机器学习来识别面部并进行一定程度的美化；当我们使用email，我们都会看见垃圾箱里躺着一堆垃圾邮件

没有梦想何必远方。·2022-12-12 14:44

设备类漏洞明显增加

漏洞利用扫描探测9.34%发送垃圾邮件6.44%传播恶意软件1.13%web攻击0.72%代理0.06%钓鱼0.01%基于对这些“惯犯”的长期跟踪，我们从其攻击特点的攻击系统、攻击服务、攻击方法、攻击类型四个方面进行画像

securitypaper·2022-12-12 12:18

漏洞利用各类型占比

漏洞利用扫描探测9.34%发送垃圾邮件6.44%传播恶意软件1.13%web攻击0.72%代理0.06%钓鱼0.01%基于对这些“惯犯”的长期跟踪，我们从其攻击特点的攻击系统、攻击服务、攻击方法、攻击类型四个方面进行画像

m0_74079109·2022-12-12 12:17

文本分类--普通分类

文本分类的应用场景非常广泛，包括垃圾邮件过滤、自动打标等任何需要自动归档文本的场合。文本分类在机器学习中属于监督学习，其流程是：人工标注文档类别、利用语料训练模型、利用模型训练文档的类别。

FibonacciCode·2022-12-12 09:13

-文本分类

有许多场景需要将文档分门别类地归入具体的类别中，比如垃圾邮件过滤

ASS-ASH·2022-12-12 09:37

5分钟教你掌握异常检测方法

例如，垃圾邮件检测任务可以被认为是一个分类任务（垃圾邮件比普通电子邮件少得多），但是我们可以用

Python数据挖掘·2022-12-12 08:18

轻松入门自然语言处理系列 05 机器学习基础

文章目录前言一、理解朴素贝叶斯1.初试朴素贝叶斯2.朴素贝叶斯核心思想3.朴素贝叶斯的应用：垃圾邮件分类二、朴素贝叶斯的训练1.计算单词的概率2.利用计算好的概率来预测3.贝叶斯定理4.计算预测概率5.

cutercorley·2022-12-12 08:55

机器学习-NLP(一）：朴素贝叶斯进行垃圾邮件检测

川川菜鸟·2022-12-12 08:25

毕业设计 : 中文文本分类 ( 机器学习和深度学习 ) - 新闻分类情感分类垃圾邮件分类

文章目录0简介1前言2中文文本分类3数据集准备4经典机器学习方法4.1分词、去停用词4.2文本向量化tf-idf4.3构建训练和测试数据4.4训练分类器4.4.1logisticregression分类器4.5RandomForest分类器4.6结论5深度学习分类器-CNN文本分类5.1字符级特征提取6最后0简介今天学长向大家介绍一个毕设项目，中文文本分类技术中文文本分类(机器学习和深度学习)-新

DanCheng-studio·2022-12-12 08:25

机器学习笔记(六)——朴素贝叶斯构建“饥饿站台”豆瓣短评情感分类器

现实生活中朴素贝叶斯算法应用广泛，如文本分类，垃圾邮件的分类，信用评估，钓鱼网站

奶糖猫Esong·2022-12-11 23:47

机器学习（一）

3、朴素贝叶斯和决策树：垃圾邮件、信用卡欺诈。4、ctr预估和协同过滤：或联网广告(点击量预估)、推

3y先生·2022-12-11 17:44

【机器学习】李宏毅——Adversarial Attack（对抗攻击）

研究这个方向的动机，是因为在将神经网络模型应用于实际场景时，它仅仅拥有较高的正确率是不够的，例如在异常检测中、垃圾邮件分类等等场景，那些负类样本也会想尽办法来“欺骗”模型，使模型无法辨别出它为负类。

FavoriteStar·2022-12-11 00:53

垃圾邮件分类-朴素贝叶斯算法

目录一、贝叶斯公式原理二、使用朴素贝叶斯进行文档分类三、Python代码实现一、贝叶斯公式原理在基础的概率学中，经典的有求独立事件的概率以及求关联时间的概率，贝叶斯所要解决的问题就是在有条件限制的情况下，求取某一事件发生的概率。贝叶斯公式的核心是“条件概率”，譬如P(B|A)，就表示当A发生时，B发生的概率，如果P(B|A)的值越大，说明一旦发生了A，B就越可能发生。两者可能存在较高的相关性。条件

只会print就要多学·2022-12-10 20:32

机器学习之朴素贝叶斯（过滤垃圾邮件为例）

目录一、生活背景二、朴素贝叶斯法概述三、收集垃圾邮件总结朴素贝叶斯的优点和缺点一、生活背景垃圾邮件的问题一直困扰着人们，传统的垃圾邮件分类的方法主要有"关键词法"和"校验码法"等，然而这两种方法效果并不理想

qq_53951219·2022-12-09 17:48

机器学习之朴素贝叶斯算法

博主今天将利用朴素贝叶斯算法实现对垃圾邮件的分类。信息营地：先验概率：之所以叫先验概率，就是在计算目标事件概率之前先知道的某事件概率。先验概率是基于一个已有的样本存在的。

俺从头开始·2022-12-09 04:05

机器学习实践（四）——朴素贝叶斯算法解决垃圾邮件过滤问题

一、朴素贝叶斯算法概述朴素贝叶斯算法（NaiveBayesianalgorithm)是应用最为广泛的分类算法之一。朴素贝叶斯方法是在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说没有哪个属性变量对于决策结果来说占有着较大的比重，也没有哪个属性变量对于决策结果占有着较小的比重。虽然这个简化方式在一定程度上降低了贝叶斯分类算法的分类效果，但是在实际的应用场景中，极

m0_63169186·2022-12-09 02:46

朴素贝叶斯——垃圾邮件概率问题

现代社会飞速发展，越来越多的垃圾邮件充斥着我们的邮箱，所以我们通过多个词来判断是否为垃圾邮件，但这个概率难以估计，通过贝叶斯公式，可以转化为求垃圾邮件中这些词出现的概率。

11.01·2022-12-08 20:45

朴素贝叶斯算法——垃圾邮件分类

目录系列文章目录文章目录前言二、数据预处理1.引入的库2.去掉非中文字符及切片分词3.进行标注标注的实现代码：4.创建词汇表5.遍历文档中在词汇表中出现的词6.创建朴素贝叶斯分类器训练函数7.构建贝叶斯分类器8.自动化处理垃圾邮件结果

lico-Net·2022-12-08 20:45

贝叶斯邮件分类c语言,朴素贝叶斯实例——邮件分类

朴素贝叶斯的一个实例就是分辨邮件是否是垃圾邮件，其过程如下。1.首先我们是存在一定的训练集供我们来建立模型。在已有的实例集里，我们通常是用一部分来作为训练集，剩下的部分作为测试用。

weixin_39786706·2022-12-08 20:42

朴素贝叶斯——垃圾邮件分类

垃圾邮件分类朴素贝叶斯的介绍：贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素贝叶斯（NaiveBayes）分类是贝叶斯分类中最简单，也是常见的一种分类方法。

。。。。。。。。·2022-12-08 19:33

马斯克“认怂”：重启 440 亿美元收购案，还想把推特变微信？

回想马斯克自宣布要收购推特起，整起事件几乎可以用“闹剧”来形容：3月低调购入推特9.2%的股份→4月宣布以440亿美元收购推特→6月要求推特给出垃圾邮件和虚假账户数据→7月以推特不配

CSDN 程序人生·2022-12-08 10:18

深度神经网络识别垃圾邮件

但是，垃圾邮件（spam）烦恼着大多数人，调查显示，93%的被调查者都对他们接收到的大量垃圾邮件非常不满。一些简单的垃圾邮件事件也造成了很有影响的安全问题。

Elwood Ying·2022-12-08 09:19

LR判断垃圾邮件spark代码

Spark-MLlib实例——逻辑回归，应用于二元分类的情况，这里以垃圾邮件分类为例，即是否为垃圾邮件两种情况。

MONKEYMOMO·2022-12-08 09:46

python垃圾邮件识别_机器学习入门-贝叶斯垃圾邮件过滤(原理)

贝叶斯里面的参数原理最大似然：即最符合观测数据的最有优势，即p(D|h)最大奥卡姆剃刀：即越常见的越有可能发生，即p(h)表示的是先验概率最大似然：当我们投掷一枚硬币，观测到的是正面，那么我们猜测投掷正面的概率为1，即最大似然值的概率是最大的奥卡姆剃刀：如果平面上有N个点，我们使用n-1阶的函数可以拟合出任何一个点，但是越高阶的曲线越不常见，因此p(N-1)<

weixin_39614276·2022-12-08 09:46

每天五分钟机器学习：如何使用机器学习算法完成垃圾邮件的检测？

本文重点本节课程我们将学习如何使用机器学习的方法来构建一个垃圾邮件分类器，邮件分为垃圾邮件和非垃圾邮件，那么这是一个二分类的问题，我们可以使用监督学习的方式，收集一些邮件，其中垃圾邮件标记y=1，非垃圾邮件标记

幻风_huanfeng·2022-12-08 09:43

SVM实战之垃圾邮件过滤

说明：本文不打算就SVM原理就深入分析，虽然对其原理略懂一二，但是对于SMO算法的理解确实比较浅，所以也不打算班门弄斧，略微介绍，本文重点在于SVM的应用，也就是对垃圾邮件的文本分类关于支持向量机的原理性分析在

dotedy·2022-12-08 09:42

垃圾邮件分类机器学习_如何构建简单的检测垃圾邮件的机器学习分类器

垃圾邮件分类机器学习在本教程中，我们将首先提出一个问题，然后继续使用称为NaiveBayes分类器的机器学习技术展示一个简单的解决方案。本教程需要一点编程和统计经验，但是不需要任何以前的机器学习经验。

dfsgwe1231·2022-12-08 09:11

机器学习：使用matlab实现SVM完成垃圾邮件识别

文章目录预处理词库映射构造特征向量训练预处理在开始机器学习之前，多观察数据集中的数据通常很有帮助。比如在下面这封邮件里我们可以看到一个URL、一个电子邮件地址（在末尾）、数字和美元金额。虽然许多电子邮件会包含类似类型的文本（例如，数字、其他URL或其他电子邮件地址），但几乎每封电子邮件中的这些文本都会有所不同。因此，处理电子邮件时常用的一种方法是将这些值“标准化”，以便所有URL都被视为相同，所有

ShadyPi·2022-12-08 09:10

垃圾邮件识别（一）：用机器学习做中文邮件内容分类

但是不管是企业内部工作邮箱，还是个人邮箱，总是收到各种各样的垃圾邮件，包括商家的广告、打折促销信息、澳门博彩邮件、理财推广信息等等，不管如何进行垃圾邮件分类，总有漏网之鱼。

Yunlord·2022-12-08 09:09

机器学习实战教程（五）：朴素贝叶斯实战篇之新浪新闻分类

本篇文章将在此基础上进行扩展，你将看到以下内容：拉普拉斯平滑垃圾邮件过滤(Python3)新浪新闻分类(sklearn)二、朴素贝叶斯改进之拉普拉斯平滑上篇文章提到过，算法

圆方圆PYTHON学院·2022-12-08 09:34

推荐频道

垃圾邮件