摘要：垃圾邮件的检测和识别对改善互联网环境，提升人们工作生活质量具有重要意义。垃圾邮件数据集由600封电子邮件数据组成，它包括100个输入变量和1个输出变量。输出0代表正常邮件，1代表垃圾邮件。本课题采用了三种经典的机器学习算法逻辑回归、朴素贝叶斯、随机森林对垃圾邮件数据集进行了机器学习，并通过10折交叉验证评估了模型的学习效果。实验结果证明，逻辑回归和随机森林两种算法的表现要优于朴素贝叶斯算法。

关键词：机器学习  垃圾邮件检测  人工智能  逻辑回归  朴素贝叶斯  随机森林

目录

摘要

Abstract

1-引言-1

1.1课题研究背景-1

1.1.1垃圾邮件的产生-1

1.1.2垃圾邮件的危害-1

1.2课题研究的现实意义与应用前景-2

2-机器学习工具与算法选择-4

2.1机器学习工具-4

2.2算法选择-4

2.2.1逻辑回归-5

2.2.2朴素贝叶斯-5

2.2.3随机森林-6

3-实验设计与结果-8

3.1数据预处理-8

3.1.1导入标准库和数据集-8

3.1.2处理重复数据与缺失数据-9

3.1.3特征缩放-10

3.2算法实现和结果-12

3.2.1逻辑回归的实现与结果-12

3.2.2朴素贝叶斯的实现与结果-15

3.2.3随机森林的实现与结果-16

3.3基于本章实验的一些思考-17

4-K折交叉验证与结果比较-19

4.1 K折交叉验证与K值选择-19

4.2 10折交叉验证算法实现-20

4.3结果比较-22

结语-24

参考文献-25

致谢-26