代码主要有：

• ./main.py 主程序，负责执行相关程序
• ./data.py 负责处理/读入数据
  • method chinese_email_data_set(path) 本次实验所用的数据
  • class Dictionary 一个类，用来整理Corpus的单词，并把单词的字符串转成index。
  • method shuffle_data(full_data, split) 用来对数据集做random shuffle，并按照比例来划分成training/test dataset。
• ./model.py 主要负责实现的程序
  • class NaiveBayes 本次实验的模型，在构造函数的时候传入training set和字典，即进行estimate相关参数，从query(data)方法中可以给出预测（返回spam的概率）
• ./evaluation.py 主要负责评估结果：
  • method binary_classifier(model, test) 对于二分类问题，返回accuracy, precision, recall, F1 score，其中model需要有query(data)方法，test是测试集合，test[i][0]是第i个数据的label，必须是0/1，test[i][1]是第i个数据的feature，需要喝model的query(data)方法传的data一致。

需要把data/和data_cut/文件放在文件夹./trec06c-utf8/下

需要安装numpy。

运行python main.py即可使用8:2的划分，使用全部training set的数据，运行5次，并得到相关的评估指标的值。