本文目的 weka是一套使用java開發的數據挖掘工具集合，提供GUI/CLI界面和Java API使用方式。所以，在學習和解決數據挖掘問題時，可以先嘗試用weka的GUI或CLI做出合適的分析，找到適當的算法，然后在將此算法集成到自己的項目中。最近在的項目中遇到了文本聚類的問題，kmeans ...

1.1 反垃圾郵件的研究與發展 1.1.1 垃圾郵件定義 垃圾郵件，基本上在20世紀末期開始泛濫開來，郵件的廣泛使用，以其成本低廉，傳輸便利的優勢，使得郵件得到了商業組織的重視。在商業利益的驅動下，垃圾郵件開始在互聯網上泛濫成災。 1> 垃圾郵件(Email Spam)是指未經用戶同意 ...

朴素貝葉斯最著名的一個應用：電子郵件垃圾過濾。 准備數據：切分文本 采用正則表達式和split（）函數進行，和Java語言的字符串分割基本類似，略去不講 第一個函數傳入一個字符串，將其轉化成字符串列表，並且去掉少於兩個字符的字符串，並將所有字符串轉換為小寫 第二個 ...

聚類分析 一、概念 　　聚類分析是按照個體的特征將他們分類，讓同一個類別內的個體之間具有較高的相似度，不同類別之間具有較大的差異性 　　聚類分析屬於無監督學習 　　聚類對象可以分為Q型聚類和R型聚類 　　　　Q型聚類：樣本/記錄聚類 以距離為相似性指標 （歐氏距離、歐氏平方距離 ...

近一段有同事抱怨公司的郵件系統垃圾郵件非常多，早上上班打開郵箱垃圾郵件竟然有幾十封。然后趕緊打開Exchange工具“郵件跟蹤”，發現有每隔1到2分鍾，郵件系統便會收到來自不同IP的垃圾郵件，由於源IP范圍很廣，所以手工向"IP阻止列表“中添加IP不太現實，在網上搜了很多解決方案，最后發現 ...

一、算法介紹https://www.cnblogs.com/love528/p/10125089.html 二、實現過程 實驗步驟 （1）收集數據：提供文本文件。 （2）准備數據：將文本文件解析成詞條向量。 （3）分析數據：檢查詞條確保解析的正確性。 （4）訓練算法：計算不同的獨立特征 ...

一、算法介紹 朴素貝葉斯法，簡稱NB算法，是貝葉斯決策理論的一部分，是基於貝葉斯定理與特征條件獨立假設的分類方法： 首先理解兩個概念： · 先驗概率是指根據以往經驗和分析得到的概率，它往往作為“由因求果”問題中的“因”出現； · 后驗概率是指在得到“結果”的信息后重新修正的概率，是“執果尋 ...

1. 數據准備：收集數據與讀取 2. 數據預處理：處理數據 3. 訓練集與測試集：將先驗數據按一定比例進行拆分。 4. 提取數據特征，將文本解析為詞向量 。 5. 訓練模型：建立模型，用訓練數 ...