python实现垃圾邮件的识别

垃圾邮件的识别可以利用机器学习的方法来实现。下面是一个简单的 Python 代码示例：

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('spam.csv')

# 将邮件正文转化为向量
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(data['text'])

# 将标签转化为数字
y = data['label'].map({'ham': 0, 'spam': 1})

# 划分训练集和测试集
train_size = int(len(data) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 训练模型
model = MultinomialNB()
model.fit(X_train, y_train)

# 测试模型
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这个代码示例使用朴素贝叶斯分类器（MultinomialNB）来训练模型，并使用准确率（accuracy）来评估模型的性能。你可以将垃圾邮件数据集（spam.csv）替换为你自己的数据集，并根据需要修改代码。