스팸과 !!!

더 명확한 스팸 지표를 살펴보죠: 느낌표입니다. exclaim_mess에는 각 메시지에 포함된 느낌표 개수가 들어 있어요. 요약 통계와 시각화를 활용해, 이 변수가 메시지가 스팸인지 여부와 어떤 관계가 있는지 확인해 보세요.

가장 유용한 인사이트를 주는 플롯을 찾을 때까지 다양한 그래프를 시도해 보세요. 다음과 같은 유형을 이미 보셨죠.

이 연습은 강의의 일부입니다

R로 하는 탐색적 데이터 분석

email 데이터셋은 워크스페이스에 그대로 있습니다.

group_by()와 summarize()를 사용해, 스팸 여부별로 exclaim_mess의 적절한 중심 경향과 퍼짐을 계산하세요.
동일한 두 변숫값의 연관성을 시각화할 수 있는 적절한 플롯을 만들고, 필요하다면 로그 변환 단계를 추가하세요.
로그 변환을 사용하기로 했다면, R에서 log(0)는 -Inf가 되어 유용하지 않다는 점을 기억하세요! 이를 피하려면 log() 함수 안의 값에 작은 수(예: 0.01)를 더해 주세요. 이렇게 하면 값이 0이 되지 않습니다. 오른쪽으로의 이 작은 이동은 결과에 영향을 주지 않아요.

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Compute center and spread for exclaim_mess by spam




# Create plot for spam and exclaim_mess