基于贝叶斯算法的垃圾邮件检测Java实现
简介
这是一个垃圾邮件检测项目
以下实现了两种分类算法
SpamMailDetectionBayes为使用贝叶斯公式的算法实现；
SpamMailDetectionJointProbability为使用联合概率公式的算法实现；
probability-Bayes、probability-JointProbability为两种方法对应的概率分布图；
ROC-Bayes、ROC-JointProbability分别是两种方法对应的ROC曲线图。
两种方法都能正确进行分类，但贝叶斯法结果较为准确。
评价指标
贝叶斯法
------------------阈值（0.50）-----------------
------------------------------------------
| | 实际类 |
| 数量 |------------------------|
| | 垃圾 | 正常 |
|----------------|------------------------|
|预测类 | 垃圾 | 6217 | 147 |
| | 正常 | 183 | 3453 |
|----------------|------------------------|
正确率（accuracy）= (TP+TN)/(P+N) = 0.97
特效度（specificity）= TN/N = 0.96
精度（precision）= TP/(TP+FP) = 0.98
召回率（recall）= 灵敏度（sensitive）= TP/(TP+FN) = 0.97
综合分类率（F1）= 2 * precision * recall / (precision + recall) = 0.97
联合概率法
------------------阈值（0.50）-----------------
------------------------------------------
| | 实际类 |
| 数量 |------------------------|
| | 垃圾 | 正常 |
|----------------|------------------------|
|预测类 | 垃圾 | 6207 | 147 |
| | 正常 | 193 | 3453 |
|----------------|------------------------|
正确率（accuracy）= (TP+TN)/(P+N) = 0.97
特效度（specificity）= TN/N = 0.96
精度（precision）= TP/(TP+FP) = 0.98
召回率（recall）= 灵敏度（sensitive）= TP/(TP+FN) = 0.97
综合分类率（F1）= 2 * precision * recall / (precision + recall) = 0.97
参考：
邮件数据集：https://plg.uwaterloo.ca/~gvcormac/treccorpus06/about.html
分词：https://github.com/huaban/jieba-analysis/tree/master/src/main/java/com/huaban/analysis/jieba
Java图表：http://www.jfree.org/jfreechart/api/javadoc/index.html
本项目详细讲解CSDN：https://blog.csdn.net/aGreySky/article/details/100745680