AdaBoost和主動(dòng)學(xué)習(xí)方法在郵件分類中的應(yīng)用研究.pdf

1、隨著“互聯(lián)網(wǎng)+”政策的大力推廣，當(dāng)今互聯(lián)網(wǎng)對(duì)于社會(huì)、國(guó)家的作用變得日益重要。而對(duì)于基于互聯(lián)網(wǎng)的信息溝通方式也顛覆了電報(bào)、傳真、電話等傳統(tǒng)溝通方式，短信、郵件早已普及，當(dāng)下各種通訊軟件、社交平臺(tái)更是成為了人們彼此間溝通的主要方式，有著重要的作用和意義，并且逐漸成為一種流行元素。然而電子郵件依然是工作場(chǎng)所最常用的工具，有著不可替代的重要地位。而各種垃圾郵件的產(chǎn)生則嚴(yán)重的影響到了郵件的用戶體驗(yàn)，浪費(fèi)了網(wǎng)絡(luò)資源，傳播著廣告、虛假信息、乃至詐騙信

2、息，對(duì)用戶的賬戶財(cái)產(chǎn)安全構(gòu)成了嚴(yán)重威脅，因此，郵件的分類技術(shù)始終受到中外學(xué)者的關(guān)注，是具有重要研究意義的熱點(diǎn)問(wèn)題之一。
　　本文首先針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法容易產(chǎn)生過(guò)擬合的現(xiàn)象，泛化錯(cuò)誤率較高，需要不斷調(diào)整參數(shù)等缺點(diǎn)提出了采用基于不同基礎(chǔ)分類器的AdaBoost集成分類器來(lái)避免這種現(xiàn)象的發(fā)生。探討了基于諸如樸素貝葉斯和邏輯回歸方法等的AdaBoost分類器，以及針對(duì)不同數(shù)據(jù)集，采用更加適合數(shù)據(jù)集特性的基于不同分類器的AdaBoost分

3、類器。結(jié)果發(fā)現(xiàn)往往AdaBoost集成學(xué)習(xí)方法可以有效地避免過(guò)擬合，并且有助于進(jìn)一步提升分類器的性能。
　　其次，提出采用基于不同采樣策略的主動(dòng)學(xué)習(xí)方法來(lái)對(duì)已有分類器進(jìn)行進(jìn)一步的性能優(yōu)化及提升。主動(dòng)學(xué)習(xí)方法往往更加關(guān)注那些距離分類超平面更近的數(shù)據(jù)點(diǎn)，也就是那些更加不容易分類正確的數(shù)據(jù)點(diǎn)，而不去標(biāo)記那些非常容易正確分類的數(shù)據(jù)，由此極大地對(duì)標(biāo)記數(shù)據(jù)集進(jìn)行精簡(jiǎn)，可以達(dá)到降低采樣數(shù)、節(jié)省采樣時(shí)間、提高采樣效率的目的，最終有效提升分類器的分