朴素贝叶斯实战：基于sklearn构建垃圾邮件分类器

1. 贝叶斯分类器到底在干什么：一个“攒经验”的算法

朴素贝叶斯（Naive Bayes）在机器学习圈子里算是个“老资历”了，但从实际落地效果来看，它从来没被冷落过。我做分类任务这么多年，对它的定位就一句话：用最小的计算代价，拿到足够好的分类结果。尤其是在文本分类这类高维稀疏数据上，朴素贝叶斯的表现经常能吊打一些看起来更“高级”的模型，而且训练速度极快，甚至在笔记本的CPU上跑垃圾邮件分类也就是几秒钟的事情。

先说个生活化的例子帮你建立直觉。假设你每天会收到很多邮件，其中有些是垃圾邮件，有些是正常邮件。你不小心点开了一封垃圾邮件，发现里面频繁出现“免费”“中奖”“点击链接”这几个词。下次再收到一封同时出现这三个词的邮件，你大概率的反应就是“这也太像垃圾邮件了”。朴素贝叶斯干的事本质上和你一样——它先“见过”大量已经标注好的邮件，记住了“垃圾邮件里哪些词出现得多”“正常邮件里哪些词出现得多”，遇到新邮件时，就按照这些经验来判断它更可能属于哪一类。所谓“朴素”，指的是它假设各个特征之间是相互独立的，说人话就是：它认为“免费”这个词出现的概率，不受“中奖”这个词是否出现的影响。

这篇内容完全基于 sklearn 来操作，我会带你从零构建一个可运行的垃圾邮件分类器，把朴素贝叶斯的原理、代码、调参、踩坑全部过一遍。适合刚学完机器学习基础、想做第一个完整项目的同学，也适合那些算法懂一点、但一写代码就乱的工程师作为参考。看完以后，你能独立完成从原始文本到分类结果的全流程，并且理解每一步为什么要这么做。

2. 朴素贝叶斯的原理拆解：一个公式吃透所有变体

讲原理之前先说明一下，朴素贝叶斯不是“一个”算法，而是一族算法。sklearn 里常用的就有 GaussianNB、MultinomialNB、BernoulliNB 三种。它们都建立在同一个核心公式上，区别只在于对数据分布的假设不同。理解了这个公式，你就能明白什么时候该选哪个变体。

2.1 贝叶斯公式的生活化翻译

贝叶斯公式写出来是：

P(类别|特征) = P(特征|类别) × P(类别) / P(特征)

看起来有点抽象，但翻译成白话就是：在看到特征之前，我对这个样本属于某个类别有一个初始判断（先验概率）；看到特征之后，我根据“这个类别下出现这种特征的可能性”来更新判断，得到后验概率。 分母 P(特征) 对所有类别都是一样的，所以在比较时可以直接忽略它，只需要比较分子的大小。

举个例子。假设你已经标记过 100 封邮件，其中 20 封是垃圾邮件，80 封是正常邮件。那么 P(垃圾)=0.2，P(正常)=0.8，这就是先验概率。现在来了一封新邮件，里面出现了“免费”这个词。你去翻之前的标记数据，发现 20 封垃圾邮件里有 15 封出现过“免费”，80 封正常邮件里只有 2 封出现过“免费”。那么：

• P(免费|垃圾) = 15/20 = 0.75
• P(免费|正常) = 2/80 = 0.025

于是 P(垃圾|免费) ∝ 0.75 × 0.2 = 0.15，P(正常|免费) ∝ 0.025 × 0.8 = 0.02。0.15 远大于 0.02，所以这封邮件被判定为垃圾邮件。注意这里的“∝”是“正比于”的意思，因为分母相同，我们只需要比较分子大小。

2.2 朴素假设到底朴实在哪里

真正使用贝叶斯公式处理一封包含成百上千个词的邮件时，会遇到一个麻烦：如果要把所有词的联合概率 P(词1, 词2, ..., 词n|类别) 都算出来，需要海量的数据才能估计出这个联合分布，现实中根本做不到。于是朴素贝叶斯做了一个非常“暴力”的假设：每个词的出现概率是相互独立的。这样一来，联合概率就变成了每个词概率的乘积：

P(词1, 词2, ..., 词n|类别) = P(词1|类别) × P(词2|类别) × ... × P(词n|类别)

这个假设在现实中显然不成立——“免费”和“点击”明明经常一起出现。但神奇的是，即使假设不成立，朴素贝叶斯在分类任务上的表现依然很好。原因在于：我们关心的不是精确的概率值，而是类别之间的相对大小。就算每个概率都估计得有偏差，只要偏差方向一致，最后的排序结果仍然正确。

还有一点需要特别注意：如果一个词在训练集中只在垃圾邮件里出现过，从没在正常邮件里出现过，那么 P(词|正常)=0，一相乘整个概率就变成 0 了。这是朴素贝叶斯最经典的坑。解决办法是拉普拉斯平滑（Laplace Smoothing），在分子上加 1、分母上加类别数，sklearn 里的 alpha 参数就是控制这个平滑强度的。

2.3 三种变体的适用场景：别再选错模型了

很多初学者一上来就默认用 GaussianNB 处理文本，这是个典型的错误。三种变体的选择依据是特征的数据类型：

文本分类时，最常用的是 MultinomialNB，因为它天然处理“词在文档中出现了几次”这种计数数据。BernoulliNB 则适合“出现/不出现”这种二元特征，比如“标题里是否包含某些关键词”。而 GaussianNB 的典型场景是鸢尾花分类这类连续特征的任务。搞清楚这些，你才知道为什么在垃圾邮件分类这种任务里，MultinomialNB 是默认选择。

3. 方案选型解析：垃圾邮件分类为什么首选朴素贝叶斯

你可能要问：现在深度学习方法这么成熟，BERT 之类的模型在文本分类上效果不是更好吗？为什么还要用朴素贝叶斯？这个问题的答案分为两个层面：技术层面和工程层面。

从技术层面看，朴素贝叶斯对“小样本+高维稀疏”数据的适应能力极强。垃圾邮件分类的特征空间是词典大小，动辄几万维，但每封邮件的非零特征其实很少。在这种数据形态下，朴素贝叶斯的独立假设反而变成了优势——它不需要大量样本来估计特征之间的相关性。深度学习模型动辄需要上万条标注数据才能训出像样的效果，但朴素贝叶斯可能几百条样本就能跑起来，这对很多数据稀缺的冷启动项目来说是决定性的。

从工程层面看，朴素贝叶斯有三个其他模型难以比拟的优势。第一，训练速度极快。本质上就是统计词频然后算条件概率表，这种计算可以完全向量化，sklearn 的实现是 C 语言级别的优化，百万级的数据量也就是秒级完成。第二，模型可解释性强。模型训练完之后，你可以直接拿出每个词在每个类别下的条件概率，清楚地告诉业务方“垃圾邮件判定依据是这些关键词的累计得分”。这一点在需要向非技术同事解释模型逻辑的场景下特别加分。第三，在线更新容易。如果模型上线后发现新出现的垃圾邮件模式，只需要增量统计词频就能更新模型，不用重新训练整个模型。对比之下，SVM、逻辑回归或深度学习模型在这方面的运维成本都高得多。

当然，朴素贝叶斯也有明显的天花板。它解决不了语义层面的问题。比如“我不是想买，只是随便看看”这句话，按词频统计，“买”这个词会给它打上“购买意向”的标签，但实际语义恰恰相反。如果业务场景对语义理解要求很高，比如情感分析的细粒度判断，那朴素贝叶斯就不是最优选了。但在垃圾邮件分类这个场景里，垃圾邮件制造者通常是在堆砌高频触发词，朴素贝叶斯的“词频投票”机制恰好能精准捕捉这种模式。模型选型从来不是选最复杂的，而是选最匹配问题本质的。

4. 动手前的准备：数据集、预处理和文本向量化

把原理摸清楚之后，接下来进入实操阶段。这一步我会按照一个标准文本分类项目的流程来组织：先准备数据，再做文本预处理，然后把文本转成模型能吃的数值向量，最后训练和评估。

4.1 用哪个数据集：别一上来就爬数据

这里我建议直接使用经典的 SMS Spam Collection 数据集，网上很容易找到 CSV 格式的版本。这个数据集包含 5574 条短信，其中 4827 条是正常短信（ham），747 条是垃圾短信（spam），比例大约 6.5:1，非常接近真实环境中垃圾短信的比例。选用它的原因有两个：一是数据量适中，训练速度快，适合学习阶段反复试验；二是类别分布天然不均衡，做评估指标时要格外注意准确率这个“坑”。

如果你决定用这个数据集，下载后第一件事就是检查数据的样子。一般会看到两列：一列是类别标签（spam/ham），一列是短信文本。我的常规操作是先跑一遍 df.head() 和 df.info()，确认没有明显的数据损坏。再看一下数据是否包含表头。如果表头不是 v1、v2，就得手动指定列名，避免后面处理时踩坑。

4.2 文本预处理的三个必做步骤

文本数据不能直接喂给模型，必须经过清洗和标准化。这一步做得好不好，直接影响模型效果。我的处理流程固定是三步：去噪、分词、去停用词。

去噪这一步，主要去掉邮件里的 HTML 标签、URL、数字、特殊符号。垃圾邮件里经常有大量链接和干扰字符，这些内容对判断垃圾属性没用，反而会干扰词频统计。当然，也有一种优化思路认为 URL 的出现本身就是垃圾邮件的特征，是否保留 URL 域名需要结合数据分布试一下，我这里倾向于直接去掉，让模型专注于词汇本身的判断。

分词这一步需要根据语言来选择。处理英文短信时，直接用字符串的 split() 方法按空格切就行，因为英文单词天然由空格分隔。如果处理中文文本，就需要用 jieba 这类专门的分词工具。分词后统一转成小写，否则“Hello”和“hello”会被当成两个不同的词，白白增加特征维度。

去停用词这一步，指的是去掉“the”“and”“to”“a”这类没有实际语义的高频词。这些词在每个文档里都出现，对分类几乎没有区分能力。sklearn 的 CountVectorizer 自带了 stop_words='english' 参数，也可以传入自定义的停用词表。不过要留意：垃圾邮件分类场景下，“free”“click”这些词恰恰是重要的判别特征，千万别把它们加进停用词表。

4.3 文本向量化：从词频到 TF-IDF

机器学习模型只能处理数值，所以要把分词后的文本转换成向量。最基础的方法是词袋模型（Bag of Words），统计每个词在每条短信里出现的次数，得到一个稀疏矩阵。sklearn 的 CountVectorizer 就是干这个的。

更进阶的做法是 TF-IDF。TF（词频）衡量词在文档中出现的次数，IDF（逆文档频率）衡量词的稀有程度。如果一个词在很少的文档中出现，它的 IDF 值就高，说明这个词的区分能力强；如果一个词在所有文档中都出现，IDF 接近 0，说明它没什么区分价值。TF-IDF 就是两者的乘积，既能保留高频词的信息，又能压低常见词的影响。

在垃圾邮件分类场景中，我用 TfidfVectorizer 而不是 CountVectorizer 的经验是：前者通常能提升 1-2 个百分点的 F1 值，因为垃圾邮件里那些“具有强辨识度但出现次数不多的词”会被 IDF 放大权重。这里有一个我踩过很多次的坑：TfidfVectorizer 必须只在训练集上 fit，然后用训练好的词典去 transform 测试集，绝对不能对整个数据集先做向量化再划分训练测试集，否则会造成严重的数据泄漏，测试结果虚高，模型上线后性能断崖下跌。

5. 核心实现：用 sklearn 完成垃圾邮件分类全流程

这一节是整篇内容的实操主菜。我会把从加载数据到评估模型的完整代码写出来，每一步都配注释和说明。建议你先把代码整体跑通，再回来看每一步的细节拆解。

5.1 加载数据与标签编码

python复制import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score

# 读取数据，如果你的 CSV 没有表头，需要手动指定列名
df = pd.read_csv('spam.csv', encoding='latin-1', usecols=[0, 1])
df.columns = ['label', 'message']

# 查看类别分布
print(df['label'].value_counts())

# 将标签转换为二值：spam -> 1, ham -> 0
df['label_num'] = df['label'].map({'spam': 1, 'ham': 0})

# 划分训练集和测试集，注意 stratify 参数，保持类别比例一致
X_train, X_test, y_train, y_test = train_test_split(
    df['message'], df['label_num'], test_size=0.2, random_state=42, stratify=df['label_num']
)

这里有一个细节：读取 CSV 时我用 usecols=[0, 1] 只取前两列，是因为有一些版本的公开数据集在第三列之后会带有冗余的无名列，不处理的话会出现解析异常。encoding 参数建议优先尝试 'latin-1' 或 'utf-8'，取决于数据来源。划分数据时加 stratify 非常重要——如果测试集里恰好没有垃圾邮件，模型评估完全没有参考意义。

5.2 构建 TF-IDF 特征与训练模型

python复制# 只对训练集进行 fit，再对测试集 transform，防止数据泄漏
vectorizer = TfidfVectorizer(stop_words='english', lowercase=True, ngram_range=(1, 2), max_features=5000)
X_train_vec = vectorizer.fit_transform(X_train)
X_test_vec = vectorizer.transform(X_test)

# 训练朴素贝叶斯模型
model = MultinomialNB(alpha=1.0)
model.fit(X_train_vec, y_train)

# 预测
y_pred = model.predict(X_test_vec)

ngram_range=(1, 2) 的意思是同时使用单个词和相邻两个词的组合作为特征。这样做的原因很直接：有些短语组合（比如“free call”“click here”）比单个词更具判别力。max_features=5000 是特征数量上限，防止词表过大导致维度爆炸。这两个参数我建议初学者先按默认值跑，等流程通了再调，一次改太多变量会难以定位问题。

训练模型那两行代码几乎感受不到时间消耗，这就是朴素贝叶斯的魅力所在。打印一下 y_pred，你就能看到一串 0 和 1，代表模型对每条测试短信的预测结果。

5.3 评估模型性能

python复制print('准确率:', accuracy_score(y_test, y_pred))
print('混淆矩阵:')
print(confusion_matrix(y_test, y_pred))
print('分类报告:')
print(classification_report(y_test, y_pred, target_names=['正常', '垃圾']))

评估时最容易犯的错误是只看准确率。前面提到这个数据集中正常短信占多数，如果模型把所有短信都预测成正常，准确率也有大约 87%。但这样的模型对垃圾短信的召回率是 0，完全没有实际价值。所以务必看混淆矩阵和 classification_report 里的 precision、recall、F1-score。

分类报告中重点关注垃圾邮件这一类（正类）的表现。recall 太低说明漏掉了大量垃圾邮件，precision 太低说明误杀了太多正常邮件。实际业务中，一般倾向于优先保证召回率——漏掉一封垃圾邮件比误杀一封正常邮件更让人恼火。

5.4 验证单条样本的预测逻辑

python复制# 模拟一封新的短信
new_msg = ['Congratulations! You have won a free lottery ticket. Click here to claim now.']
new_msg_vec = vectorizer.transform(new_msg)
prob = model.predict_proba(new_msg_vec)
print('预测类别:', model.predict(new_msg_vec)[0])
print('预测概率: 正常类', prob[0][0], '垃圾类', prob[0][1])

predict_proba 返回的是每个类别的概率值。看到这里你就能直观理解朴素贝叶斯的工作方式了：模型把这封短信里的每个词在“垃圾邮件”类别下的条件概率相乘，再乘上垃圾邮件的先验概率，得到它属于垃圾邮件的后验概率。如果这个概率超过 0.5（默认决策阈值），就判定为垃圾邮件。你可以手动改词、加词、减词来测试模型的响应变化，这是理解模型逻辑最直观的方式。

6. 调参优化与性能提升：从 baseline 到精细调优

随便跑通一个模型只是开始，真正有价值的工作是在 baseline 之上做调优。这一节我会按调整顺序给出最有效的手段。

6.1 核心参数：alpha 平滑系数的影响

alpha 是拉普拉斯平滑的强度参数，默认值是 1.0。alpha 越大，平滑力度越强，每个特征的计数都加得越多，这会让各个类别的概率估计更“保守”，不容易出现零概率问题，但也可能掩盖真实的词频差异。alpha 太小，则可能出现某个特征概率恰好为 0 而导致整体概率为 0 的问题。

实际操作中，alpha 的选择范围通常在 0.01 到 10 之间。我常用的方法是网格搜索，配合对数间隔的候选值：

python复制from sklearn.model_selection import GridSearchCV

param_grid = {'alpha': [0.01, 0.1, 0.5, 1.0, 2.0, 5.0, 10.0]}
gs = GridSearchCV(MultinomialNB(), param_grid, cv=5, scoring='f1')
gs.fit(X_train_vec, y_train)
print('最优alpha:', gs.best_params_)
print('最优F1:', gs.best_score_)

使用 5 折交叉验证来评估不同 alpha 值的效果，比只划分一次训练测试集更稳健。注意评分指标选的是 F1 而不是准确率，因为我们的目标是在类别不均衡的条件下尽量提升垃圾邮件的识别效果。

6.2 特征工程层面的优化

alpha 调完之后，下一步可以调整的特征参数包括：

• ngram_range：从 (1,1) 调到 (1,2) 或 (1,3)，利用短语信息。范围越大特征维度越高，训练时间也会变长，超大数据集上要谨慎。
• max_features：从 5000 往下调或往上调。保留更多特征会让模型记住更多低频词，但也会放大噪声；减少特征能加速训练，但可能丢掉一些有用的判别词。
• min_df：过滤掉只在极少文档中出现的词。比如 min_df=2 表示词至少在 2 篇文档里出现过才保留，能有效去除只在某一条短信中偶现的噪声词。

这些参数我建议不要一起调，每次只动一个，观察指标变化。调参的核心原则是“控制变量”，一次改多个参数后如果效果变好了，你根本不知道是哪个参数起的作用，后续也没法迁移经验。

6.3 换个变体试试：BernoulliNB 的表现差异

MultinomialNB 用的是词频计数，BernoulliNB 把特征变成二值的——只看词是否出现，不看出现几次。在某些短文本场景下，BernoulliNB 反而表现更好，因为短文本中词频信息本来就少，多次重复同一个词更多是修辞作用而非信息量增加。

python复制from sklearn.naive_bayes import BernoulliNB

bnb = BernoulliNB(alpha=1.0, binarize=0.0)
bnb.fit(X_train_vec, y_train)
y_pred_bnb = bnb.predict(X_test_vec)
print(classification_report(y_test, y_pred_bnb, target_names=['正常', '垃圾']))

binarize=0.0 表示：TF-IDF 值大于 0 的设为 1，等于 0 的设为 0。你可以对比 MultinomialNB 和 BernoulliNB 的分类报告，把两个模型的 F1 值放在一起比较，选择更好的一个作为最终模型。我在实际项目中见过不少场景下 BernoulliNB 因为对重复词的“抑制”而表现更好，但这不是绝对的，必须用数据说话。

6.4 阈值调整：不一定要用默认的 0.5

分类器的默认逻辑是“概率大于 0.5 就判为正类”。但在实际业务中这个阈值不一定是最优的。如果你更在意减少漏网之鱼（比如用户强烈投诉垃圾邮件），可以把判决阈值降到 0.3，代价是误判正常邮件的概率升高。如果更在意减少误杀（比如发送营销邮件的业务方支付费用），则可以把阈值调高到 0.7。

python复制# 手动调整决策阈值
prob_positive = model.predict_proba(X_test_vec)[:, 1]
y_pred_custom = (prob_positive >= 0.3).astype(int)
print(classification_report(y_test, y_pred_custom, target_names=['正常', '垃圾']))

这种“先拿概率、再定阈值”的做法在很多工业级的分类任务里是常态。模型给出的概率值本身是有意义的参考信号，不应该被默认阈值“锁死”。

7. 常见问题与排查技巧实录

实操过程中每个人都会踩坑，这一节我把自己遇到过的、以及帮别人排查过的高频问题整理成一份速查表，按出现频率排序。

7.1 分类报告里出现“UndefinedMetricWarning”

这个警告通常意味着某一类别的 precision 或 recall 无法计算，最常见的情况是预测结果里完全没有某个类别。比如模型把所有测试短信都预测为正常邮件，垃圾邮件的 precision 就是 0/0，sklearn 直接给警告。出现这个问题的根本原因通常是：训练集里垃圾邮件比例过低，模型倾向于默认所有样本都是多数类；或者是特征处理阶段出了问题，比如停用词把垃圾邮件的关键特征词全部过滤掉了。先用 df['label'].value_counts() 检查类别分布，再检查 TfidfVectorizer 的参数，确保没有把判别词过滤掉。

7.2 TfidfVectorizer 报错：empty vocabulary

这条错误我在新手群里见过无数次，意思是分词后词表是空的。原因一般出在文本内容上：数据集中如果没有英文文本而有大量数字、符号或特别长的乱码字符串，过滤掉停用词和标点后可能一个词都不剩。解决方法是先打印几条原始文本看看内容长什么样，再用一个很简单的 CountVectorizer 跑一遍，输出 vectorizer.get_feature_names_out() 看看词表里都有什么。也可以调低 min_df 或关掉 stop_words 参数做排查。

7.3 数据泄漏导致测试集效果“虚高”

这是我持续强调的问题。如果先对整个数据集做 TfidfVectorizer 的 fit_transform，再划分训练集和测试集，测试集的数据已经在词表构建阶段“见过”了，得到的评估结果比真实环境高 3-5 个百分点都是常事。上线后如果效果暴跌，优先检查是不是这个问题。正确做法是：vectorizer.fit_transform(X_train) 生成训练特征，再用同一个 vectorizer 对 X_test 做 transform()。测试集在训练阶段必须完全不可见。

7.4 朴素贝叶斯预测结果几乎全是多数类

这种情况和 7.1 的表现类似，但原因更复杂。除了类别不平衡之外，还有一个可能是 alpha 设得太小，导致少数类中某些特征的条件概率为 0，整体概率被压到极低，模型几乎不可能把样本分到少数类。可以试试把 alpha 调到 1.0 以上，看概率分布是否恢复正常。还有一个方向是检查特征是否过于稀疏——如果每封邮件平均只有几个非零特征，朴素贝叶斯的概率乘积会非常敏感，这时可以适当调大 ngram_range 来增加特征数量。

7.5 词表维度爆炸，内存溢出的处理预期

max_features 没设上限时，TfidfVectorizer 会保留所有出现过的词，几十万维的特征矩阵会吃掉大量内存。如果你用的是 16G 内存的笔记本，面对百万级别的短信数据，直接跑 fit_transform 大概率会 OOM。处理办法是：先设置一个合理的 max_features（一万以内足够应对大多数场景），并且明确一点——top 特征按词频排序选取，已经覆盖了绝大多数有效信息，大量只在个别文档里出现的低频词反而是噪声。如果你一定要保留全部特征，那就得改用流式处理或者降维手段，不值得在前面阶段消耗过多精力。

7.6 中文文本的适配问题

如果你的邮件或短信是中文的，直接套用上述英文流程会出错。中文文本没有天然的空格分隔，必须先用 jieba 分词，再交给 TfidfVectorizer。同时，sklearn 自带的 stop_words='english' 对中文无效，需要自行准备中文停用词表。需要留意的编码问题也要重视——读取文本时统一用 utf-8 编码，否则会出现乱码或解码错误。中文文本的 ngram_range 调参会比英文更敏感，因为中文单字的信息密度远高于英文单词，“银行”“转账”这种双字词往往才是有效特征。

8. 模型上线后的扩展思路

如果这个垃圾邮件分类器要真正部署到生产环境，还有几个方向可以继续做，我这里只做简要提示，不展开细节。

一是增量学习。MultinomialNB 的 partial_fit 方法支持增量训练，适合邮件系统每天产生新数据、需要模型随新垃圾模式演进的场景。每周定时从用户标记的数据中抽取新样本，更新条件概率表，不需要重新训练全量数据。

二是模型可解释性输出。训练完模型后，取出 model.feature_log_prob_，每个特征在各类别下的对数条件概率就一览无余。按差值排序后，你就可以生成“垃圾邮件最常用 Top 50 词”这样的报告，给运营团队做人工审核参考，这也是朴素贝叶斯相比深度学习模型最实用的优势之一。

三是结合规则引擎做决策。纯朴素贝叶斯分类器容易出现误判，尤其当邮件同时包含正常业务词汇和促销词汇时。生产环境中一个更稳的方案是：先用规则库（发件人黑名单、域名黑名单、关键词精确匹配）做第一层过滤，朴素贝叶斯作为第二层兜底，两层都通过才判定结果。宁可多引入一个环节，也不要把所有判断压力都交给单一模型。

我在实际迭代这类分类器时，最大的体会是：不要把朴素贝叶斯当成一个“性能上限很低”的弱模型。它的上限确实比深度模型低，但它的下限极高——数据质量可靠、特征工程合理的前提下，朴素贝叶斯在上线初期就能达到一个非常可用的效果，后面再做渐进式优化是性价比最高的路径。

最后再分享一个小经验：无论是垃圾邮件分类还是其他文本分类任务，模型的最终效果往往不取决于你选了多复杂的算法，而取决于你对数据的理解深度。花时间仔细清洗和观察数据、分析模型分错的样本，比换任何一个新模型都更能带来效果提升。朴素贝叶斯简单、透明、稳健，用它作为文本分类的入门实践，会让你把精力放在真正重要的东西上。