Spam i num_char

Czy istnieje związek między spamem a długością wiadomości e-mail? Można to sobie wyobrazić na dwa sposoby:

Spam to częściej krótkie wiadomości zachęcające do kliknięcia w link, lub
Zwykłe e-maile są krótsze, bo na co dzień wymieniam ze znajomymi krótkie wiadomości.

W tym ćwiczeniu użyjesz zbioru danych email, żeby rozstrzygnąć tę kwestię. Zacznij od wywołania pliku pomocy i zapoznania się ze wszystkimi zmiennymi za pomocą ?email.

Badając związek między spamem a długością wiadomości, skorzystaj z okazji, żeby połączyć łańcuch dplyr z warstwami obiektu ggplot2.

To ćwiczenie jest częścią kursu

Eksploracyjna analiza danych w R

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając ze zbioru danych email:

Wczytaj pakiety ggplot2, dplyr i openintro.
Oblicz odpowiednie miary środka i rozproszenia zmiennej num_char osobno dla spamu i wiadomości niebędących spamem, używając group_by() i summarize(). Nie musisz nadawać nazw nowym kolumnom tworzonym przez summarize().
Utwórz wykresy pudełkowe zestawione obok siebie, aby zwizualizować związek między tymi samymi dwiema zmiennymi. Przyda się mutate() do dodania nowej kolumny zawierającej logarytmicznie przekształconą wersję zmiennej num_char.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Load packages




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

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

Edytuj i uruchom kod