null - 程序员宅基地

中文垃圾邮件分类。2种特征提取，词袋特征，IFIDF分布特征，贝叶斯NB,LR,SVM各自表现的实战示例代码_ham_data.txt-程序员宅基地

结论：

数据：

ham_data.txt

spam_data.txt

stop_words.utf8

数据处理：

"""

@author: liushuchun
"""
import re
import string
import jieba

# 加载停用词
with open("dict/stop_words.utf8", encoding="utf8") as f:
    stopword_list = f.readlines()


def tokenize_text(text):
    tokens = jieba.cut(text)
    tokens = [token.strip() for token in tokens]
    return tokens


def remove_special_characters(text):
    tokens = tokenize_text(text)
    pattern = re.compile('[{}]'.format(re.escape(string.punctuation)))
    filtered_tokens = filter(None, [pattern.sub('', token) for token in tokens])
    filtered_text = ' '.join(filtered_tokens)
    return filtered_text


def remove_stopwords(text):
    tokens = tokenize_text(text)
    filtered_tokens = [token for token in tokens if token not in stopword_list]
    filtered_text = ''.join(filtered_tokens)
    return filtered_text


def normalize_corpus(corpus, tokenize=False):
    normalized_corpus = []
    for text in corpus:

        text = remove_special_characters(text)
        text = remove_stopwords(text)
        normalized_corpus.append(text)
        if tokenize:
            text = tokenize_text(text)
            normalized_corpus.append(text)

    return normalized_corpus

特征提取

"""

@author: liushuchun
"""

from sklearn.feature_extraction.text import CountVectorizer


def bow_extractor(corpus, ngram_range=(1, 1)):
    vectorizer = CountVectorizer(min_df=1, ngram_range=ngram_range)
    features = vectorizer.fit_transform(corpus)
    return vectorizer, features


from sklearn.feature_extraction.text import TfidfTransformer


def tfidf_transformer(bow_matrix):
    transformer = TfidfTransformer(norm='l2',
                                   smooth_idf=True,
                                   use_idf=True)
    tfidf_matrix = transformer.fit_transform(bow_matrix)
    return transformer, tfidf_matrix


from sklearn.feature_extraction.

本文链接：https://blog.csdn.net/qq_29678299/article/details/93606192

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

Android TBS X5内核 64位手机无法加载x5(libmttwebview.so is 32-bit instead of 64-bit)_libmtttrace.so-程序员宅基地

文章浏览阅读3k次。前言这个问题之前出现过但是稀里糊涂的解决了没有记录详细的解决方案今天又碰到了自己研究了一天刚刚找到解决方案错误提示dlopen failed: "/system/app/googlewebview85/lib/arm/libwebviewchromium.so“ is 32-bit instead of 64在使用tbs x5内核时一直崩溃说没有64位的.so包腾讯官方TBS的文档也有这方面的知识点但是没有解决方案需要靠自己摸索你说气人不？新版本SDK已支持64位，请更新至官网_libmtttrace.so

java玫瑰花代码_java程序员不一样浪漫，表白玫瑰花送给你的那个她-程序员宅基地

文章浏览阅读3k次。原标题：java程序员不一样浪漫，表白玫瑰花送给你的那个她这篇文章主要讲解了Java版给爱人表白的玫瑰花程序代码，具有很好的参考价值，希望对大家有所帮助，一起跟随小编过来看看吧小编推荐一个学Java的学习裙【二零二，二五零，一九四】,无论你是大牛还是小白，是想转行还是想入行都可以来了解一起进步一起学习！裙内有很多干货和技术分享！1 书写表白语句的frame(渐入功能)?1234567891011..._java玫瑰花代码

Hibernate（映射继承关系、 Hibernate 检索策略、Hibernate 检索方式HQL (迫切)左外连接HQL (迫切)内连接QBC 检索和本地 SQL 检索二级缓存，管理session_hql 非空约束-程序员宅基地

文章浏览阅读203次。上一篇映射继承关系Hibernate支持三种继承映射策略：使用 subclass 进行映射：将域模型中的每一个实体对象映射到一个独立的表中，也就是说不用在关系数据模型中考虑域模型中的继承关系和多态。使用 joined-subclass 进行映射：对于继承关系中的子类使用同一个表，这就需要在数据库表中增加额外的区分子类类型的字段。使用 union-subclass 进行映射：域模型中的每个类映射到一个表，通过关系数据模型中的外键来描述表之间的继承关系。这也就相当于按照域模型的结构来建立数据库中的_hql 非空约束

软件卸载不掉的解决办法_xsplit vcam 卸载不了-程序员宅基地

文章浏览阅读9.7k次，点赞4次，收藏9次。文章目录背景卸载软件正确步骤总结扩展文档卸载一个软件，倒腾了半天，说出来连我自己都不信。下面记录下卸载软件流程，以及遇到的问题解决办法，希望对遇到问题的同仁有帮助和建议参考。背景在自己的办公电脑上安装了一个老版本的软件A，后来由于产品变更，需要更新软件A到最新的版本。我是直接在安装新版本的软件A，提示“this update is not valid”，我就傻逼兮兮的，直接删掉老版本的软..._xsplit vcam 卸载不了

在 CentOS7 下安装 Cadence IC验证平台 INCISIVE152_cadence incisive-程序员宅基地

文章浏览阅读1.8w次，点赞18次，收藏122次。前言本文所使用的软件虚拟机软件：VMware Workstation 15 PRO 如何安装?操作系统：CentOS-7, CentOS-7-x86_64-DVD-1810.iso 如何安装?简介INCISIVEIncisive是nc_verilog, nc_sim, nc_lauch，以及ABV,TBV的集合，用于仿真和验证。InstallScapeInstallSc..._cadence incisive

CEF中JavaScript与C++交互_duilib使用封装cef的js和c++交互-程序员宅基地

文章浏览阅读4.3w次，点赞12次，收藏62次。在CEF里，JS和Native（C/C++）代码可以很方便的交互，我实现了一个简单的交互示例。_duilib使用封装cef的js和c++交互

随便推点

HTML5七夕情人节表白网页制作【情人节满屏爱心HTML5特效】HTML+CSS+JavaScript html生日快乐祝福网页制作_html 满屏爱心-程序员宅基地

文章浏览阅读879次，点赞21次，收藏20次。1 网页简介：基于HTML+CSS+JavaScript 制作七夕情人节表白网页、生日祝福、七夕告白、求婚、浪漫爱情3D相册、炫酷代码,快来制作一款高端的表白网页送(他/她)浪漫的告白,制作修改简单,可自行更换背景音乐,文字和图片即可使用等任意html编辑软件进行运行及修改编辑等操作）。_html 满屏爱心

【易飞】易飞ERP自动审核程序功能_易飞单据审批设置-程序员宅基地

文章浏览阅读492次，点赞9次，收藏5次。【代码】【易飞】易飞ERP自动审核程序功能。_易飞单据审批设置

青少年CTF擂台挑战赛 2024 #Round 1_xyctf高校新生联合赛 2024-程序员宅基地

文章浏览阅读1.6k次，点赞15次，收藏30次。文件打开是一个print数组v4的地址和read函数，并且nx好像可写，输入长度可以利用，进行一个栈上写好自己的shell，然后在构造一个回到v4的地址，这样子就可以重新读取到写buf段上的shell，这里要注意shell的隔断用/00截断然后构造好栈上数据。一个sql注入题目，尝试使用二分查找，但只能爆出表名和列名，值一直出不来，后来采用布尔盲注，fuzz测试后发现没有加任何过滤，直接写脚本。第二题：为了求解方程（5 + sqrt{x} = 8），我们可以分离平方根项，然后求解（x）。_xyctf高校新生联合赛 2024

spring数据源配置：Tomcat/weblogic数据源切换配置_tomcat 数据库切换-程序员宅基地

文章浏览阅读1.4k次。数据配置方式一般是三种：1.org.springframework.jdbc.datasource.DriverManagerDataSource（没有池概念，有连接就建立一个connection）2.org.apache.commons.dbcp.BasicDataSource（连接池技术）3.org.springframework.jndi.JndiObjectFactoryBea..._tomcat 数据库切换

计算机组成原理之计算题、分析题题解详细总结（已完结）_计算机组成原理计算题-程序员宅基地

文章浏览阅读1.7w次，点赞62次，收藏544次。第1章计算机系统概述0、1编码第2章存储系统磁盘存储器第6章控制器逻辑Intel 8086 指令简介第1章计算机系统概述0、1编码1、分别求出+1111B和-1001B的真值及其机器数的原码、反码、补码形式。答案：+1111B的真值：15原码01111 反码01111 补码01111-1001B 的真值：-9原码11001 反码10110 补码10111另一种写法：解： +1111B 真值：15D [x]原=01111B [x]反=01111B [x]补=011._计算机组成原理计算题

react-native 0.57 版本更新日志-程序员宅基地

文章浏览阅读647次。[0.57]欢迎来到React Native版本的0.57版!这个版本解决了许多问题，并有一些令人兴奋的改进。我们再次跳过了一个月发布，通过扩展发布候选阶段关注质量，并且兼容之前的版本这个版本包括599提交由73个不同的贡献者!为了响应反馈，我们准备了一个只包含用户影响的更改的变更日志。请分享您的意见，并让我们知道我们如何使这更有用，如果您对此有任何反馈，和往常一样请告知我们let us kn..._react-native 0.57版本文档