- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
垃圾邮件分类器垃圾邮件数据 library(kernlab) data(spam)一共4601封电子邮件,57维预测变量,1维响应变量。makeaddressallnum3douroverremoveinternetordermailreceivewillpeoplereportaddressesfreebusinessemailyoucredityourfontnum000moneyhphplgeorgenum650lablabstelnetnum857datanum415num85technologynum1999partspmdirectcsmeetingoriginalprojectreedutableconference;()[]!$#capitalAvecaptalLongcapitalTotal贝叶斯公式?定义二值变量表示邮件的类型随机变量表示某个特征,可以是离散型,也可以是连续型。分类规则:以特征“make”为例?是一个连续变量,表示“make”在一封邮件中出现的频率, 取值范围。 head(spam[, ‘make’) [1] 0.00 0.21 0.06 0.00 0.00 0.00 range(spam[, ‘make’]) [1] 0.00 4.54连续变量离散化Usagecut(x, ...) ## Default S3 method: cut(x, breaks, labels = NULL, include.lowest = FALSE, right = TRUE, dig.lab = 3, ordered_result = FALSE, ...)[1] (-0.00454,0.908] (-0.00454,0.908] (-0.00454,0.908] (-0.00454,0.908] (-0.00454,0.908] (-0.00454,0.908]Levels: (-0.00454,0.908] (0.908,1.82] (1.82,2.72] (2.72,3.63] (3.63,4.54]?cut命令将分割为5个区间,则表示‘make’词频的区间。 head(cut(spam[, ‘make’], 5))频率方法?基本思路:分别统计垃圾邮件和非垃圾邮件中‘make’词频的分布列。 table() / sum(table())邮件类型预测真实标签预测标签非垃圾邮件垃圾邮件z=0261189z=164??判别规则第一次小作业使用R实现基于贝叶斯公式的垃圾邮件分类。对57个特征的预测性能进行评价。程序:library(kernlab)library(cowplot)library(ggpubr)old.dir - getwd()setwd(C:/Users/22007/Desktop/spam)# 加载数据data(spam)accuracy_vector-vector(length=57)accuracy_vector[1:57]-0for(iter in 1:57){# 一维特征f - spam[, iter]f - cut(f, 5)# 邮件标签s - spam[, type]# 将数据分为两部分,一部分用于训练模型,一部分用于测试模型train - sample(1:nrow(spam), round(0.9*nrow(spam)))test - setdiff(1:nrow(spam), train)train_f - f[train]train_s - s[train]test_f - f[test]test_s - s[test]# 分布列P(f | s=1)p_f_s1 - table(train_f[train_s==spam]) + 1p_f_s1 - p_f_s1 / sum(p_f_s1))# 分布列P(f | s=0)p_f_s0 - table(train_f[train_s!=spam]) + 1p_f_s0 - p_f_s0 / sum(p_f_s0)# 分布列P(f | s=0)和P(f | s=1)的比较df1 - data.frame(interval = levels(train_f), prob = p_f_s1, type = 1)df0 - data.frame(interval = levels(train_f), prob = p_f_s0, type = 0)df - rbind(df0, df1)df$type - factor(df$type)p1 - ggbarplot(df, x = interval, y = prob.Freq, fill = type, position = position_dodge(0.9), xlab =
您可能关注的文档
最近下载
- 食材配送服务方案(食材通用方案).docx VIP
- TCECS1424-2023 健康照明设计标准.pdf VIP
- 2024年200MW-400MWh电化学储能电站可行性研究报告.docx
- 2024年中国球团市场调查研究报告.docx
- 正常人体解剖学期末复习资料 正常人体解剖学 模拟试卷(三).doc VIP
- 《装配式混凝土建筑构件生产》课件——设备选型与构件生产区布置.pptx VIP
- 《城镇污水厂MBR扩容提标原位改造技术规程》.pdf VIP
- 云河钢琴谱钢琴简谱数字谱钢琴双手简谱.docx VIP
- 食堂食材配送服务食材安全保证措施食材配送标准方案.pdf VIP
- SY∕T 5677-2019 钻井液用滤纸.pdf
文档评论(0)