スパムと!!!
もっとわかりやすいスパムの指標を見てみましょう。感嘆符です。exclaim_mess には各メッセージに含まれる感嘆符の数が入っています。要約統計量と可視化を使って、この変数とメッセージがスパムかどうかの間に関係があるかを確認しましょう。
最も有益な可視化が見つかるまで、さまざまな種類のプロットを試してみてください。これまでに見てきたものを思い出しましょう。
- 並列の箱ひげ図
- ファセット化したヒストグラム
- 重ね合わせた密度プロット
この演習はコースの一部です
Rで学ぶ探索的データ分析
演習の手順
email データセットは引き続きワークスペースで利用できます。
group_by()とsummarize()を使って、スパムと非スパムそれぞれについてexclaim_messの適切な代表値（中心）と散らばりを計算します。- 同じ2つの変数の関連を可視化するために、適切なプロットを作成し、必要であれば対数変換を加えます。
- 対数変換を使う場合、R では
log(0)は-Infになり、あまり有用ではないことに注意してください。これを回避するには、log()関数の中の値に小さな数（例えば0.01）を足します。こうすれば値がゼロになることはありません。右にわずかにシフトしますが、結果には影響しません。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Compute center and spread for exclaim_mess by spam
# Create plot for spam and exclaim_mess