python实现基于朴素贝叶斯的垃圾短信分类项目源码（期末大作业）.zip

# SpamMessage 实现一个垃圾短信识别系统，在给定的数据集上验证效果.   ## 短信数据 - 标签域: 1表示垃圾短信/0表示正常短信 - 文本域: 短信源文本(进行了一些处理) ## 分类算法 - KNN: K最近邻 - LR: 逻辑回归 - RF: 随机森林 - DT: 决策树 - GBDT: 梯度提升决策树 - SVM: 支持向量机 - MultinomialNB: 多项式分布朴素贝叶斯 - BernoulliNB: 伯努利分布朴素贝叶斯 ## 环境依赖 - Classfier（模型训练） - [Python 2.7.x](https://www.python.org/downloads/) - [Scikit-learn](http://scikit-learn.org/stable/documentation.html#) - [jieba](https://github.com/fxsjy/jieba) （已集成至项目内，无需安装） - Sites (演示Demo) - [Apache + PHP](http://php.net/) - [Python 2.7.x](https://www.python.org/downloads/) ## 项目结构 . ├──Classfier（模型训练） │ ├── DataProcess(数据预处理) │ │ ├── jieba(结巴分词库) │ │ ├── DataPreprocess.py(数据预处理) │ │ └── message.txt(训练数据) │ │ │ └── Classifiers.py(分类器) │ ├── Sites (演示Demo) │ ├── Model │ │ ├── jieba(结巴分词库) │ │ ├── all_raw(结巴分词库) │ │ │ ├── model(训练出的模型) │ │ │ └── vec_tfidf(训练阶段生成的词向量) │ │ │ │ │ └── demoAPI.py(demo调用Python接口) │ │ │ ├── index.php(主页) │ └── result.php(结果显示页面) │ └── README.md ## 使用说明 #### 首先对数据进行预处理，命令如下： $ cd Classfier/DataProcess $ python DataPreprocess.py > DataPreprocess.py 中主要参数变量含义如下： - n_components: 降维到n_components维 - data_lines: 预处理的短信条数 - data_type: 预处理类型 `{raw, pca, nmf, pca&nmf}` #### 训练分类器，命令如下： $ cd .. $ python Classifiers.py > 注意修改代码中相关路径，Classifiers.py 中主要参数变量含义如下： - takeup: 测试数据占总数据的比例 #### 配置演示Demo 1. 将数据预处理阶段生成的词向量 `vec_tfidf` 文件 放置 `Sites/Model/all_raw` 目录下 2. 将训练阶段生成的模型文件放置`Sites/Model/all_raw/model` 目录下 3. 将 `Sites` 目录下文件放置 apache 相应网站目录下 4. 访问 index.php