Spam i !!!

Przyjrzyjmy się bardziej oczywistemu wskaźnikowi spamu: wykrzyknikom. Zmienna exclaim_mess zawiera liczbę wykrzykników w każdej wiadomości. Korzystając ze statystyk podsumowujących i wizualizacji, sprawdź, czy istnieje związek między tą zmienną a tym, czy wiadomość jest spamem.

Eksperymentuj z różnymi typami wykresów, aż znajdziesz ten najbardziej informatywny. Pamiętaj, że omawialiśmy:

Wykresy pudełkowe zestawione obok siebie
Histogramy z podziałem na panele
Nałożone na siebie wykresy gęstości

To ćwiczenie jest częścią kursu

Eksploracyjna analiza danych w R

Zobacz kurs

Instrukcje do ćwiczenia

Zbiór danych email jest nadal dostępny w twoim środowisku pracy.

Oblicz odpowiednie miary środka i rozproszenia zmiennej exclaim_mess osobno dla spamu i wiadomości niebędących spamem, używając funkcji group_by() i summarize().
Stwórz odpowiedni wykres wizualizujący zależność między tymi samymi dwiema zmiennymi – w razie potrzeby zastosuj transformację logarytmiczną.
Jeśli zdecydujesz się na transformację logarytmiczną, pamiętaj, że log(0) daje w R wartość -Inf, która nie jest zbyt użyteczna! Możesz temu zaradzić, dodając małą liczbę (np. 0.01) do wyrażenia wewnątrz funkcji log(). Dzięki temu argument funkcji nigdy nie będzie zerem. To niewielkie przesunięcie w prawo nie wpłynie na wyniki.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Compute center and spread for exclaim_mess by spam




# Create plot for spam and exclaim_mess

Edytuj i uruchom kod