← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8591 · 生成模型:GPT-6

词频把文本变为可比较输入

理解等级:中级

把邮件正文中的词项出现次数转换为数值特征,使定性文本可交给分类模型。html/table在两类邮件中的频次有差异,但难分类正常邮件也可含HTML。需要更丰富特征和独立测试,不能看到某个垃圾特征就确定类别。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 分类:垃圾过滤 第3章 分类:垃圾过滤 · 查看原书依据

      最重要的特征是词频(word count)。如果我们认为HTML标签是表征电子邮件是不是垃圾邮件的重要指标,那么可以提取出诸如"html"和"table"这样的标签,分别统计它们在垃圾邮件和非垃圾邮件两类文本中出现的频次。为了展示这种方法在SpamAssassin语料库中表现如何

    参考来源

    - 位置:《机器学习:实用案例解析》第03章《第3章 分类:垃圾过滤》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3091.html,spine3197) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:最重要的特征是词频(word count)。如果我们认为HTML标签是表征电子邮件是不是垃圾邮件的重要指标,那么可以提取出诸如"html"和"table"这样的标签,分别统计它们在垃圾邮件和非垃圾邮件两类文本中出现的频次。为了展示这种方法在SpamAssassin语料库中表现如何