爲了應付人工智能大作業，做了一個簡單的垃圾郵件過濾工具，後來找到現成的語料（自己能找上千封分好類的郵件作爲資料再慢慢一封封解析不太容易，我又不是搞人工智能的），所以最後一共也就寫了300行代碼。
處理好的語料的包含類別信息+54個特徵詞在郵件中的出現情況，一共4000多封的內容信息。
郵件用多變量貝努力事件模型表示，說白了就是忽視單詞的頻率，每個詞在該郵件的情況，出現過置1，沒出現置0，相對於考慮頻率的各種模型和方法，這樣算是大大簡化了，但是資料說，其實這樣的效果也差不了多少，在小規模數據甚至更好。
很多論文中是以信息增益作爲特徵選擇排序的計算方法，計算公式也不復雜，至於我使用的spambase（http://www.ics.uci.edu/~mlearn/MLRepository.html）語料就不知道它是咋算的了，但是裏面給出的54個關鍵詞倒是有點奇怪，一些常用詞沒有，估計是做了一定優化處理，從關鍵詞感覺垃圾郵件大多是推銷商品的那種，可能我的工具代表性、推廣性一般般，最後用這麼簡單的方法，得到的過濾效率居然高於百分之90，也沒經過任何優化，還是有點意外的，不知道換一種語料情況如何。
至於其他細節也懶得記了，好久沒寫過Java，還是趕緊學起Java，主要記一些敲代碼碰到的小問題吧。
1.上來用JDBC連數據庫，告訴我Driver的類查不到，以前用數據庫好像沒印象要下個專門的mysql-jdbc-connection包，反正下了個導進去也就好了
2.通過sql語句查詢得到的結果集ResultSet，單個循環取值沒問題，用同一個Statement查詢得到2個ResultSet並交替取值，報錯說結果集關閉了，不能用一個Statement交替操作兩個，後來多聲明一個Statement也就行了
3.讀取一行文件時，最後可能多一個換行符
4.兩個整數相除時會自動將小數點後階段，並返回整數，所以計算30/1700一直給我得到0，哪怕你用浮點數賦值也沒用，先返回int，再幫你轉成double，所以必須將兩整數其一或是兩者都強制轉換爲浮點數，或者這樣在右側強轉float r1=(float)wrongNormal/normalNum;