R中使用朴素贝叶斯的欺诈短信息识别（顺带推荐精华R教材）

我总是会收到莫名其妙的欺诈短信，有的还装得和真的一样，点看之后才知道浪费了时间，天知道都是哪里来的。

使用Naive Bayes，我们可以基于简单的NLP（自然语言处理）进行文本分析，构建一个分类器来预测消息是否是垃圾短信，很多服务商现在还在用类似的算法。

data: http://www.dt.fee.unicamp.br/~tiago/smsspamcollection

首先整理和编码数据，这一步对MAC用户很重要，因为原数据似乎并非UTF8. 正经的信息我们叫做HAM，不正经的叫做SPAM哈哈。

最后几个主要步骤都包含在一起了，用一个简单的table直观看到预测的结果。

最后推荐一本书《Machine Learning with R》，建议读原版

包含了用R实现机器学习的最基本和公认最必要的内容，结构清晰合理。

从概念和数学方法开始，然后一步一步地介绍如何用代码示例在R中运行，然后以优化和参数调整结束。极为精华的R入门书。

2017年美国Goodreads rating 4.17/5.00，现在分数涨到4.23了，可见其质量。