Spam și !!!

Să examinăm un indicator mai evident al spam-ului: semnele de exclamare. exclaim_mess conține numărul de semne de exclamare din fiecare mesaj. Folosind statistici descriptive și vizualizări, explorează dacă există o relație între această variabilă și dacă un mesaj este sau nu spam.

Experimentează cu diferite tipuri de grafice până îl găsești pe cel mai informativ. Ține minte că ai văzut:

Diagrame box plot alăturate
Histograme cu fațete
Grafice de densitate suprapuse

Acest exercițiu face parte din cursul

Exploratory Data Analysis în R

Vezi cursul

Instrucțiuni pentru exercițiu

Setul de date email este în continuare disponibil în spațiul tău de lucru.

Calculează măsuri adecvate ale centrului și ale dispersiei pentru exclaim_mess, atât pentru mesajele spam, cât și pentru cele non-spam, folosind group_by() și summarize().
Construiește un grafic adecvat pentru a vizualiza asocierea dintre aceleași două variabile, adăugând o transformare logaritmică dacă este necesar.
Dacă alegi să aplici o transformare logaritmică, reține că log(0) returnează -Inf în R, ceea ce nu este un rezultat util! Poți evita acest lucru adăugând un număr mic (de exemplu, 0.01) la valoarea din interiorul funcției log(). Astfel, valoarea ta nu va fi niciodată zero. Această mică deplasare spre dreapta nu îți va afecta rezultatele.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute center and spread for exclaim_mess by spam




# Create plot for spam and exclaim_mess

Editează și rulează codul