BayesSpam是一款基于Python语言开发的简单实用的贝叶斯算法垃圾邮件筛选工具，能够高效地识别和分类电子邮件中的垃圾信息。
使用Python实现基于贝叶斯的简单垃圾邮件分类器，在包含400封邮件（正常邮件与垃圾邮件各200封）的数据集上进行测试后，准确率达到95.15%。即使在仅通过统计词频来计算概率的情况下，该方法的表现依然十分出色。
实现此功能需要以下步骤：
1. 准备工作：安装Python 3.4开发环境；
2. 使用结巴分词工具；
贝叶斯公式用于计算已知给定词向量$w=(w_1,w_2,...,w_n)$条件下，邮件是否为垃圾邮件的概率。这一概率表示如下：
$$P(s|w) = P(w|s) \times P(s)/P(w)$$
其中，$s$代表分类为垃圾邮件的假设。
根据贝叶斯公式和全概率公式，上述条件下的概率计算可以进一步展开为：
$$P(s|w_1,w_2,...,w_n)=\frac {P(w_1,w_2,...,w_n|s) \times P(s)}{P(w_1,w_2,...,w_n)}$$
5星
