基于朴素贝叶斯方法的垃圾邮件分类器

包含25封正常邮件、25封垃圾邮件以及分类器源代码，适合ML初学者使用

# -*- coding: utf-8 -*-
“““
Created on Mon Feb 26 16:45:49 2018

@author: user
“““
#出现只算1次
import math
from string import punctuation
import re
class EmailClassifier（object）:
    def __init__（selfham_path=“ham/“spam_path=“spam/“tr_num=16）:
        self.ham_path=ham_path
        self.spam_path=spam_path
        self.tr_num=tr_num
    def getPosibility（self）:
        self.ham_in_fre={}
        self.spam_in_fre={}  
        self.ham_notin_fre={}
        self.spam_notin_fre={}
        self.ham_in_dir={}
        self.spam_in_dir={}
        self.ham_notin_dir={}
        self.spam_notin_dir={}
        for i in range（self.tr_num）:
            f=open（self.ham_path+str（i+1）+“.txt““r“）
            message=f.readlines（）
            f.close（）
            tmp=re.sub（r‘[{}]+‘.format（punctuation）‘‘ str（message））.lower（）.split（）             #将字符串变为列表
            t=[]
            for w in tmp:                   #将列表变为字典
                if w in t:
                    continue
                else:
                    t.append（w）
            for w in t:                     #将该信件内容统计并入字典
                if w in self.ham_in_dir:
                    self.ham_in_dir[w]+=1
                else:
                    self.ham_in_dir[w]=1
                    self.spam_in_dir[w]=0
            f=open（self.spam_path+str（i+1）+“.txt““r“）
            message=f.readlines（）
            f.close（）
            tmp=re.sub（r‘[{}]+‘.format（punctuation）‘‘ str（message））.lower（）.split（）             #将字符串变为列表
            t=[]           
            for w in tmp:                   #将列表变为字典
                if w in t:
                    continue
                else:
                    t.append（w）
            for w in t:                     #将该信件内容统计并入字典
                if w in self.spam_in_dir:
                    self.spam_in_dir[w]+=1
                else:
                    self.ham_in_dir[w]=0
                    self.spam_in_dir[w]=1                  #将该信件内容统计并入字典
        self.p_ham=0.5
        self.p_spam=0.5
        for w in self.ham_in_dir:
            self.ham_in_fre[w]=（self.ham_in_dir[w]+1）/（self.tr_num+2）
            self.ham_notin_fre[w]=（self.tr_num-self.ham_in_dir[w]+1）/（self.tr_num+2）
            self.spam_in_fre[w]=（self.spam_in_dir[w]+1）/（self.tr_num+2）
            self.spam_notin_fre[w]=（self.tr_num-self.spam_in_dir[w]+1）/（self.tr_num+2）
    def test（self）:
        correct_number=0
        print（“ham中：“）
        for i in range（25-self.tr_num）:
            f=open（self.ham_path+str（i+self.tr_num+1）+“.txt““r“）
            message=f.readlines（）
            f.close（）
            
            tmp=re.sub（r‘[{}]+‘.format（punctuation）‘‘ str（message））.lower（）.split（）             #将字符串变为列表
            t=[]
            for w in tmp:                   #将列表变为字典
                if w in t:
                    continue
                else:
                    t.append（w）
            p_h=math.log10（s

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5140  2018-02-27 19:47  EmailClassifier.py

     文件        148  2010-10-23 17:11  ham\1.txt

     文件         86  2010-10-23 17:13  ham\10.txt

     文件        130  2010-10-23 17:13  ham\11.txt

     文件        182  2010-10-23 09:16  ham\12.txt

     文件        174  2010-10-23 17:13  ham\13.txt

     文件        172  2010-10-23 17:13  ham\14.txt

     文件        531  2010-10-23 09:21  ham\15.txt

     文件         90  2010-10-23 09:21  ham\16.txt

     文件        464  2010-10-23 09:22  ham\17.txt

     文件        175  2010-10-23 09:23  ham\18.txt

     文件        161  2010-10-23 17:14  ham\19.txt

     文件        234  2010-10-23 08:48  ham\2.txt

     文件        208  2010-10-23 09:26  ham\20.txt

     文件        234  2010-10-23 09:27  ham\21.txt

     文件        330  2010-10-23 09:28  ham\22.txt

     文件        607  2018-02-27 19:40  ham\23.txt

     文件         42  2010-10-23 09:33  ham\24.txt

     文件         89  2010-10-23 09:34  ham\25.txt

     文件        371  2010-10-23 08:49  ham\3.txt

     文件        207  2010-10-23 08:50  ham\4.txt

     文件        114  2010-10-23 17:11  ham\5.txt

     文件       1464  2010-10-23 17:12  ham\6.txt

     文件        109  2010-10-23 17:12  ham\7.txt

     文件        638  2010-10-23 08:58  ham\8.txt

     文件        146  2010-10-23 09:01  ham\9.txt

     文件        238  2010-10-23 08:28  spam\1.txt

     文件        217  2010-10-23 08:36  spam\10.txt

     文件        414  2010-10-23 08:37  spam\11.txt

     文件        188  2010-10-23 08:37  spam\12.txt

............此处省略26个文件信息