Spam a num_char

Existuje souvislost mezi spamem a délkou e-mailu? Dají se představit argumenty pro obě strany:

Spam bývá spíše krátká zpráva lákající mě na kliknutí na odkaz, nebo
Běžné e-maily jsou spíše kratší, protože s přáteli si píšu stručně a frequently.

V tomto cvičení pomocí datasetu email otázku vyřešíš. Začni tím, že si otevřeš nápovědu a podíváš se na všechny proměnné příkazem ?email.

Při zkoumání vztahu mezi spamem a délkou e-mailu využij tuto příležitost k procvičení propojení řetězce dplyr s vrstvami objektu ggplot2.

Toto cvičení je součástí kurzu

Exploratory Data Analysis in R

Zobrazit kurz

Pokyny k cvičení

Pracuj s datasetem email.

Načti balíčky ggplot2, dplyr a openintro.
Pomocí group_by() a summarize() vypočítej vhodné míry středu a variability proměnné num_char zvlášť pro spam a pro ostatní e-maily. Nové sloupce vytvořené funkcí summarize() nemusíš pojmenovávat.
Sestav sadu krabicových grafů vedle sebe, aby byl vidět vztah mezi těmito dvěma proměnnými. Hodí se přitom přidat pomocí mutate() nový sloupec s logaritmicky transformovanou verzí proměnné num_char.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load packages




# Compute summary statistics
email %>%
  ___ %>%
  ___

# Create plot
email %>%
  mutate(log_num_char = ___) %>%
  ggplot(aes(x = ___, y = log_num_char)) +
  ___

Upravit a spustit kód