做了一個多月的畢設，《釣魚郵件檢測方法的設計與實現》。
主要參考的是12年南郵學報上發的的一篇論文《基於文本特征分析的釣魚郵件檢測》，說是說基於文本特征分析，其實就是用機器學習的方法實現釣魚郵件的檢測。
主要實現流程為：釣魚郵件特征選擇；編寫特征提取算法；編寫機器學習分類器的訓練算法代碼和檢測代碼；對模型進行測試。
特征選擇：
特征的選擇參考的是上述論文中選擇的特征，再通過自己的分析修改了一些。其實做到最后發現這些特征里面，郵件是否含有html類型語言占了很大的比重，其他的特征占得比重特別小，可能是跟郵件訓練樣本集有關。釣魚郵件的訓練和測試樣本集和上述論文中使用的一樣，年份有些久遠，都是零幾年收集的數據，但實在找不到其他的樣本集了。
特征提取的代碼都是自己敲出來的，參考的論文里給了一些偽代碼。特征提取用到的核心知識是正則表達式，聽起來挺玄乎的東西，但其實也不是很難。不是很難不代表它不博大精深，入門容易，精通很難。
機器學習分類器實現：
實現了三種分類器，LR、朴素貝葉斯、決策樹。都是用Python寫的，LR和朴素貝葉斯是直接按照算法，用代碼實現的（當然不是我實現的），決策樹用的是python機器學習的第三方庫。決策樹也有使用代碼實現算法的例子，但是我沒成功移植到我的系統里來，所以就走了個捷徑。LR和貝葉斯開始都是找的博客文章，后來發現那些博客文章里面的代碼都是來自於《機器學習實戰》這本書，后續可以好好看看這本書。
檢測模型測試：
用monkey.org提供的1000封釣魚郵件和spamassassin提供的1000封普通郵件作訓練集，500封釣魚郵件和500封普通郵件作測試集，檢測性能十分的好，甚至比論文里面的結果都好。但個人覺得我寫的這個模型沒有什么實際意義，因為樣本集郵件數據的現實參考性實在太低。不過如果它參考性強的話檢測性能肯定達不到這么高。
總結：
這次畢設課題經歷總體來說還是讓我受益匪淺的。考完研寒假在家無聊看了吳恩達教授的機器學習公開課（雖然沒看完），沒想到畢設就用上了。熟悉了python語言（python真是一門強大的語言，包容性賊高，不像C那么龜毛），接觸了正則表達式，對機器學習里面的分類算法有了深刻的理解（雖然算法的代碼實現不是自己寫的，但是基本理清了它們的實現思路）。
展望：
馬上要從一枚本科渣渣轉戰為研究生了，希望自己研究生能多學點東西，以后找工作不至於太虛。
畢設告一段落（其實還有論文修改、查重和答辯。。。），接下來想把《機器學習實戰》這本書給好好看看，有時間接觸一下Android編程，熟悉熟悉Java，感覺自己都忘光了。其實覺得應該把吳恩達Learning Machine的公開課給看完的，做人要有始有終嘛，但是真心看的費勁，再說吧。
希望自己不是僅僅做個展望，能落到實處！