DesperateExplorer / NaiveBayesClassifier

Naive Bayes Classifier

基本信息

姓名：赵晴岳 学号： 邮箱：[e-mail]

项目结构

• src：所有源文件，其中包括
  • EDA：探索性数据分析（一些初步统计尝试）其中global_stat.ipynb中包含了对邮件头、邮件体、数据集整体信息的统计
  • utlis：数据清洗和全局统计分析工具
  • models：特征提取&朴素贝叶斯
• trec06p：原始数据及经处理的数据，如欲复现实验结果，应将此文件夹放在src的同级目录
  • data：（未打包上传的）包含数据
  • label：（未打包上传的）包含标签
  • inter：（包含一些模型参数文件）前期统计数据&经全局预处理的数据
• README.md：本文件
• Report.pdf：实验报告

使用方法

如欲复现，则应在将trec06p文件夹放在src同级目录，在trec06p下建立inter文件夹，在inter文件夹下创建records.csv文件夹并添加字段（第一行）LOWERCASE,N,PERCENTAGE,ALPHA,CRAFT,accuracy,precision,recall,f1_score，并提前执行下列代码

import nltk
nltk.download('wordnet')
nltk.download('stopwords')
nltk.download('punkt')

在上述准备完成后，在src目录下执行

python main.py

首先进行的是一次默认参数的实现（只有这次会输出朴素贝叶斯分类器五折交叉验证的变量列表），然后进行的是448次网格搜索，网格搜索所需时间较长！