Spam och !!!

Nu tittar vi på en mer uppenbar indikator på spam: utropstecken. exclaim_mess innehåller antalet utropstecken i varje meddelande. Använd sammanfattande statistik och visualisering för att undersöka om det finns ett samband mellan den här variabeln och huruvida ett meddelande är spam eller inte.

Testa olika typer av diagram tills du hittar det mest informativa. Du har tidigare sett:

Staplade lådagram
Facetterade histogram
Överlappande täthetskurvor

Den här övningen är en del av kursen

Exploratory Data Analysis in R

Visa kurs

Övningsinstruktioner

Datamängden email finns fortfarande tillgänglig i din arbetsmiljö.

Beräkna lämpliga mått på centrum och spridning för exclaim_mess för både spam och icke-spam med hjälp av group_by() och summarize().
Skapa ett lämpligt diagram för att visualisera sambandet mellan samma två variabler, och lägg till ett logaritmtransformationssteg om det behövs.
Om du väljer att använda en logaritmtransformation, kom ihåg att log(0) ger -Inf i R, vilket inte är ett särskilt användbart värde! Du kan kringgå det genom att lägga till ett litet tal (till exempel 0.01) till värdet inuti log()-funktionen. På så sätt är värdet aldrig noll. Den här lilla förskjutningen åt höger påverkar inte dina resultat.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compute center and spread for exclaim_mess by spam




# Create plot for spam and exclaim_mess

Redigera och kör kod