from?numpy?import?*

def?textParse（bigString）:
????import?re
????listOfTokens?=?re.split（r‘\W*‘?bigString）
????return?[tok?for?tok?in?listOfTokens?if?len（tok）?>?2]

def?createVocabList（dataSet）:
????vocabSet?=?set（[]）
????for?docment?in?dataSet:
????????vocabSet?=?vocabSet?|?set（docment）
????return?list（vocabSet）

def?bagOfWord2Vec（vocabListinputSet）:
????returnVec?=?[0]*len（vocabList）
????for?word?in?inputSet:
????????if?word?in?vocabList:
????????????returnVec[vocabList.index（word）]?+=?1
????return?returnVec

def?trainNB（trainMattrainGategory）:##trainMat為所有郵件的矩陣表示，trainCategory為表示郵件類(lèi)別的向量
????numTrain?=?len（trainMat）?#郵件總數(shù)量
????numWords?=?len（trainMat[0]）?#詞典長(zhǎng)度
????pAbusive?=?sum（trainGategory）/float（numTrain）?#統(tǒng)計(jì)垃圾郵件的總個(gè)數(shù)，然后除以總文檔個(gè)數(shù)（先驗(yàn)概率）
????p0Num?=?ones（numWords）?#將向量初始化為1，表示每個(gè)詞至少出現(xiàn)1次
????p1Num?=?ones（numWords）
????p0Denom?=?2.0#分母初始化為2
????p1Denom?=?2.0
????for?i?in?range（numTrain）:
????????if?trainGategory[i]?==?1:?#如果是垃圾郵件
????????????p1Num?+=?trainMat[i]?#把屬于同一類(lèi)的文本向量相加，實(shí)質(zhì)是統(tǒng)計(jì)某個(gè)詞條在該類(lèi)文本中出現(xiàn)頻率
????????????p1Denom?+=?sum（trainMat[i]）?#把垃圾郵件向量的所有元素加起來(lái)，表示垃圾郵件中的所有詞匯
????????else:
????????????p0Num?+=?trainMat[i]
????????????p0Denom?+=?sum（trainMat[i]）
????p1Vec?=?log（p1Num/p1Denom）??#統(tǒng)計(jì)詞典中所有詞條在垃圾郵件中出現(xiàn)的概率
????p0Vec?=?log（p0Num/p0Denom）?#統(tǒng)計(jì)詞典中所有詞條在正常文郵件中出現(xiàn)的概率
????return?p0Vec?p1Vec?pAbusive
#?classfy?funtion
def?classfy（vec2classfy?p0Vec?p1Vec?pClass1）:
????p1?=?sum（vec2classfy*p1Vec）+log（pClass1）
????p0?=?sum（vec2classfy*p0Vec）+log（1-pClass1）
????if?p1?>?p0:
????????return?1
????else:
????????return?0

def?testmain（）:
????docList?=?[];classList?=?[]
????res?=?open（‘spam_100.utf8‘?‘rb‘）
????res1?=?open（‘ham_100.utf8‘?‘rb‘）
????for?i?in?range（100）:
????????wordList?=?textParse（res.readline（）.decode（‘utf-8‘））
????????docList.append（wordList）
????????classList.append（1）
????????wordList?=?textParse（res1.readline（）.decode（‘utf-8‘））
????????docList.append（wordList）
????????classList.append（0）
????vocabList?=?createVocabList（docList）
#?select?test?data
????tdocList?=?[];tclassList?=?[]
????res2?=?open（‘test.utf8‘?‘rb‘）
????for?i?in?range（50）:
????????twordList?=?textParse（res2.readline（）.decode（‘utf-8‘））
????????tdocList.append（twordList）
????????tclassList.append（0）
????for?i?in?range（50）:
????????twordList?=?textParse（res2.readline（）.decode（‘utf-8‘））
????????tdocList.append（twordList）
????????tclassList.append（1）
????trainMat?=?[];trainClass?=?[]
????trainSet?=?range（200）;testSet?=?range（100）
????for?docIndex?in?trainSet:
????????trainMat.append（bagOfWord2Vec（vocabList?docList[docIndex]））
????????trainClass.append（classList[docIndex]）
????p0?p1?pSpam=trainNB（array（trainMat）?array（trainClass））
????errCount=0
????for?docIndex?in?testSet:
????????wordVec?=?bagOfWord2Vec（vocabList?tdocList[docIndex]）
????????if?classfy（array（wordVec）?p0?p1?pSpam）?!=?tclassList[docIndex]:
????????????errCount?+=?1
????????????print（“classcification?error:“?tdocList[docIndex]）

?屬性????????????大小?????日期????時(shí)間???名稱(chēng)
-----------?---------??----------?-----??----

?????文件????????740??2018-05-13?20:14??bayes\.idea\bayes.iml

?????文件???????1053??2018-05-13?19:00??bayes\.idea\modules.xml

?????文件??????32174??2018-05-13?20:22??bayes\.idea\workspace.xml

?????文件???????3491??2018-05-02?14:31??bayes\bayes.py

?????文件??????59489??2018-04-22?20:15??bayes\ham_100.utf8

?????文件??????44997??2018-04-22?20:15??bayes\spam_100.utf8

?????文件??????38749??2018-04-22?20:15??bayes\test.utf8

?????目錄??????????0??2018-05-13?20:22??bayes\.idea

?????目錄??????????0??2018-05-02?14:31??bayes

-----------?---------??----------?-----??----

???????????????180693????????????????????9