本文目的 weka是一套使用java开发的数据挖掘工具集合，提供GUI/CLI界面和Java API使用方式。所以，在学习和解决数据挖掘问题时，可以先尝试用weka的GUI或CLI做出合适的分析，找到适当的算法，然后在将此算法集成到自己的项目中。最近在的项目中遇到了文本聚类的问题，kmeans ...

1.1 反垃圾邮件的研究与发展 1.1.1 垃圾邮件定义 垃圾邮件，基本上在20世纪末期开始泛滥开来，邮件的广泛使用，以其成本低廉，传输便利的优势，使得邮件得到了商业组织的重视。在商业利益的驱动下，垃圾邮件开始在互联网上泛滥成灾。 1> 垃圾邮件(Email Spam)是指未经用户同意 ...

朴素贝叶斯最著名的一个应用：电子邮件垃圾过滤。 准备数据：切分文本 采用正则表达式和split（）函数进行，和Java语言的字符串分割基本类似，略去不讲 第一个函数传入一个字符串，将其转化成字符串列表，并且去掉少于两个字符的字符串，并将所有字符串转换为小写 第二个 ...

聚类分析 一、概念 　　聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性 　　聚类分析属于无监督学习 　　聚类对象可以分为Q型聚类和R型聚类 　　　　Q型聚类：样本/记录聚类 以距离为相似性指标 （欧氏距离、欧氏平方距离 ...

近一段有同事抱怨公司的邮件系统垃圾邮件非常多，早上上班打开邮箱垃圾邮件竟然有几十封。然后赶紧打开Exchange工具“邮件跟踪”，发现有每隔1到2分钟，邮件系统便会收到来自不同IP的垃圾邮件，由于源IP范围很广，所以手工向"IP阻止列表“中添加IP不太现实，在网上搜了很多解决方案，最后发现 ...

一、算法介绍https://www.cnblogs.com/love528/p/10125089.html 二、实现过程 实验步骤 （1）收集数据：提供文本文件。 （2）准备数据：将文本文件解析成词条向量。 （3）分析数据：检查词条确保解析的正确性。 （4）训练算法：计算不同的独立特征 ...

一、算法介绍 朴素贝叶斯法，简称NB算法，是贝叶斯决策理论的一部分，是基于贝叶斯定理与特征条件独立假设的分类方法： 首先理解两个概念： · 先验概率是指根据以往经验和分析得到的概率，它往往作为“由因求果”问题中的“因”出现； · 后验概率是指在得到“结果”的信息后重新修正的概率，是“执果寻 ...

1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数 ...