第四章 4 、 3 朴素贝叶斯模型（垃圾邮件过滤）

朴素贝叶斯模型

二分类问题：训练集：知道内容，知道标签

主要就是统计一些单词出现的次数

垃圾邮件的分类：
现在我竹东统计一下：购买，单词的一些性质
给定了训练数据，有正常邮件和垃圾邮件：搜集数据

再来看一下：物品，这个单词

等等等
所以，我需要有一个 Vocab 词典库，然后对每一个单词都进行上面那个概率操作，找出敏感词。
可能会进行上万次操作。

在训练数据当中会得到先验知识

回顾：朴素贝叶斯 条件独立


P（正常）是先验概率
先对原始邮件用分词工具进行分词

案例分析：

1. 训练模型
   求先验概率、构建词库、求词库中每个单词在垃圾、正常中的概率（用上平滑项Add-one）
2. 预测
   预测现在发送过来的邮件，给定的邮件是垃圾、正常的概率。
   如果词库很大，上万个单词，最后连乘的时候会溢出，所以取个Log。所以一般小数连乘的时候，我都会用Log一下