Aan de slagBegin gratis

Spam en !!!

Laten we naar een duidelijkere indicator van spam kijken: uitroeptekens. exclaim_mess bevat het aantal uitroeptekens in elk bericht. Gebruik samenvattende statistieken en visualisaties om te zien of er een relatie is tussen deze variabele en of een bericht spam is of niet.

Experimenteer met verschillende soorten grafieken totdat je de meest informatieve vindt. Denk aan wat je al hebt gezien:

  • Boxplots naast elkaar
  • Gefacetteerde histogrammen
  • Over elkaar gelegde dichtheidsplots

Deze oefening maakt deel uit van de cursus

Exploratory data-analyse in R

Bekijk cursus

Oefeninstructies

De gegevensset email is nog steeds beschikbaar in je workspace.

  • Bereken geschikte maten voor het midden en de spreiding van exclaim_mess voor zowel spam als niet-spam met group_by() en summarize().
  • Maak een passende grafiek om het verband tussen dezelfde twee variabelen te visualiseren, en voeg zo nodig een log-transformatie toe.
  • Als je besluit een log-transformatie te gebruiken, onthoud dan dat log(0) -Inf is in R, en dat is niet erg bruikbaar! Je kunt dit omzeilen door een klein getal (zoals 0.01) op te tellen bij de grootheid binnen de log()-functie. Zo wordt je waarde nooit nul. Deze kleine verschuiving naar rechts beïnvloedt je resultaten niet.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Compute center and spread for exclaim_mess by spam




# Create plot for spam and exclaim_mess

Code bewerken en uitvoeren