Slučování kategorií

Pokud ti přišla práce se silně zešikmeným rozdělením proměnné exclaim_mess náročná, proměnná image — tedy počet obrázků připojených k e-mailu — představuje ještě větší výzvu. Spusť v konzoli následující kód, abys získal/a představu o jejím rozdělení:

table(email$image)

Tento příkaz spočítá počet případů v každé kategorii (například e-mailů bez obrázků bylo 3 811). Protože vyšší počty obrázků mají velmi nízké frekvence, sloučíme proměnnou image do kategorické proměnné, která bude říkat, jestli e-mail obsahoval alespoň jeden obrázek. V tomto cvičení tuto novou proměnnou vytvoříš a prozkoumáš její vztah se spamem.

Toto cvičení je součástí kurzu

Exploratory Data Analysis in R

Zobrazit kurz

Pokyny k cvičení

Začni s datasetem email a vytvoř kontinuální řetězec operací, který splní následující úkoly:

Vytvoř novou proměnnou has_image, která bude mít hodnotu TRUE, pokud je počet obrázků větší než nula, a FALSE v ostatních případech.
Vytvoř vhodný graf z datasetu email, který zobrazí vztah mezi proměnnou has_image a proměnnou spam.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create plot of proportion of spam by image
email %>%
  mutate(has_image = ___) %>%
  ggplot(aes(x = ___, fill = ___)) +
  geom_bar(position = ___)

Upravit a spustit kód