让 Cursor 遵循文档生成垃圾邮件检测项目

基于朴素贝叶斯算法的垃圾邮件分类器实现。

本项目由 Cursor 基于 docs/ 目录中的数学原理和代码实现思路文档进行生成。

提示词

我准备实现一个基于朴素贝叶斯的垃圾邮件分类器，具体要求如下：

1. 我已经准备了 Ling-Spam Dataset 作为我们的数据集，参见 ./dataset.csv
2. 我准备好了详细的实现文档， @数学原理.md 解释了实现的数学原理和符号表示， @代码实现思路.md 解释了具体的代码实现思路
3. 请将代码实现以 jupyter notebook 的形式放在 @spam_detector.ipynb 中
4. 不要在 notebook 中加入任何不必要的 markdown 说明，如果有必要的话，可以适当给出代码的 python 注释（尤其是定义的变量对应于 @数学原理.md 中的 什么符号表示）
5. 你可以不必急于立刻给出代码实现，你可以先简单熟悉下数据集的格式，并认真阅读 @/docs 目录中的文档，在你确定你完全准备好了以后，再开始写代码

项目结构

• spam_detector.ipynb - 主要实现代码
• dataset.csv - Ling-Spam 数据集
• docs/ - 文档目录
  • 数学原理.md - 算法数学基础
  • 代码实现思路.md - 实现指导

快速开始

运行 spam_detector.ipynb 中的所有单元格即可训练和测试模型。

性能指标

• 准确率: 98.79%
• 精确率: 93.20%
• 召回率: 100.00%
• F1 分数: 96.48%

一点不足

在生成过程中，除了严格按照文档要求实现核心算法外，还额外添加了词汇重要性分析功能（analyze_word_importance 方法）。