本文使用python基于贝叶斯算法进行邮件分类，具体步骤如下：
贝叶斯公式
python使用贝叶斯公式步骤如下：
打开所在文件：
with open("d:/sms_spam1.txt","r")as f:
将文件处理，分成 label 和 feature ：
#按行读取文件
line = f.readline()
#文件每一行按逗号隔开为 label 和 feature
line1 = line.split(",")
label = line1[0]
corpu = line1[1]
#将feature和 label分别存入list中，并分为测试集和训练集
corpus.append(corpu)
if 'ham'==label:
labels.append(0)
elif 'spam'==label:
labels.append(1)
#30行之后为测试集
if count>30:
corpus_test.append(corpu)
if 'ham' ==label:
labels_test.append(0)
elif 'spam'==label:
labels_test.append(1)
#文本特征提取：
#将文本特征转换为特征向量的过程
#采用词袋法进行文本特征提取
#词袋法：
#将文章中出现过的词作为一列特征
#这些不重复的特征词汇集合为词表
#构建词袋
vectorize = CountVectorizer()
#fea_train是每一封邮件中出现词表中词汇个数的矩阵
fea_train = vectorize.fit_transform(corpus)
#从第一个词表中创建第二个词表
vectorize2 = CountVectorizer(vocabulary=vectorize.vocabulary_)
#生成测试邮件中出现词表中词汇个数的矩阵
fea_test = vectorize2.fit_transform(corpus_test)
#拉普拉斯估计给每个单词加一，alpha的设定
#训练
clf = MultinomialNB(alpha=1)
clf.fit(fea_train,labels)
#预测
pred = clf.predict(fea_test)
for p in pred:
if p==0:
print("正常邮件")
else:
print("垃圾邮件")
