Bootstrap

大数据分析案例-基于逻辑回归算法构建垃圾邮件分类器模型

🤵‍♂️ 个人主页:@艾派森的个人主页

✍🏻作者简介:Python学习者
🐋 希望大家多多支持,我们一起进步!😄
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+


目录

1.项目背景

2.项目简介

2.1项目说明

2.2数据说明

2.3技术工具

3.算法原理

3.1决策树算法

3.2朴素贝叶斯算法

3.3逻辑回归算法

4.项目实施步骤

4.1理解数据

4.2数据预处理

4.3探索性数据分析

4.4特征工程

4.5模型构建

4.6模型评估

4.7模型预测

5.实验总结


1.项目背景



  垃圾邮件还没有一个非常严格的定义。一般来说,凡是未经用户许可就强行发送到用户的邮箱中的任何电子邮件都是垃圾邮件。

  正常邮件与垃圾邮件的区分问题,在互联网上众说纷纭,很多专家与组织都试图给垃圾邮件下一个比较准确的定义。但是,国际上对垃圾邮件的认定尚未出台统一标准。

  (1)1997年10月5日,国际互联网邮件协会召开的主题为《不请自来的大量电子邮件:定义与问题》报告中,就将不请自来的大量电子邮件定义为垃圾邮件,即UBE(Unsolicited Bulk E-mail)。美国弗吉尼亚州2003年《反计算机犯罪法》就采取了“不请自来的大量邮件”来定义垃圾邮件。这是从邮件的发送(大量)和接收(不请自来)这两方面的特征来定义

悦读

道可道,非常道;名可名,非常名。 无名,天地之始,有名,万物之母。 故常无欲,以观其妙,常有欲,以观其徼。 此两者,同出而异名,同谓之玄,玄之又玄,众妙之门。

;