如何使用WEKA计算垃圾短信的“特征向量”？

Question

我想实现邮件过滤；在WEKA应用程序中通过机器学习将电子邮件分类为垃圾邮件或合法(文本分类)。

如何通过WEKA的应用来获取数据集的“特征向量”？这个向量应该包括100个出现频率最高、权重最高的垃圾邮件单词。

数据集：http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/smsSpamCollection.arff

Answer 1

我没有使用WEKA，但作为coursera提供的机器课程的一部分，我每年都使用Matlab做同样的事情。coursera由斯坦福大学的Andrew NG博士在第7周提供。要创建特征向量，您可以搜索电子邮件，查看每个单词是否存在。然后，特征向量将是0和1的向量，其中1表示存在相应的单词，而0表示不存在。