Bayesianskt skräppostfilter
Bra jobbat med förra övningen! Nu ska vi ta oss an det berömda Bayes' sats och använda det för en enkel men viktig uppgift: att identifiera skräppost.
När du bläddrar igenom din inkorg har du lagt märke till att många mejl du helst inte vill lägga tid på att läsa innehåller utropande fraser som "KÖP NU!!!". Du börjar fundera på om tre utropstecken i rad kan vara en bra indikator på skräppost! Därför har du förberett en DataFrame kallad emails med två variabler: spam, om mejlet var skräppost, och contains_3_exlc, om det innehåller strängen "!!!". De första raderna i datan ser ut så här:
spam contains_3_excl
0 False False
1 False False
2 True False
3 False False
4 False False
Din uppgift är att beräkna sannolikheten att ett mejl är skräppost givet att det innehåller tre utropstecken. Låt oss ta det steg för steg! Här är Bayes' formel för referens:
$$P(A|B) = \frac{P(B|A) * P(A)}{P(B)}$$
Den här övningen är en del av kursen
Bayesiansk dataanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate and print the unconditional probability of spam
p_spam = ____[____].____
print(____)