สแปมและ !!!
มาดูตัวบ่งชี้สแปมที่ชัดเจนกว่านี้กัน นั่นคือเครื่องหมายอัศเจรีย์ exclaim_mess เก็บจำนวนเครื่องหมายอัศเจรีย์ในแต่ละข้อความ ลองใช้สถิติเชิงสรุปและการแสดงภาพข้อมูลเพื่อดูว่ามีความสัมพันธ์ระหว่างตัวแปรนี้กับการเป็นสแปมหรือไม่
ทดลองใช้กราฟหลายรูปแบบจนกว่าจะพบแบบที่ให้ข้อมูลมากที่สุด โดยคุณได้เรียนประเภทต่าง ๆ เหล่านี้ไปแล้ว:
- Box plot แบบเรียงคู่
- Histogram แบบแยก facet
- Density plot แบบซ้อนทับ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์เชิงสำรวจข้อมูลใน R
คำแนะนำการฝึกหัด
ชุดข้อมูล email ยังคงอยู่ใน workspace ของคุณ
- คำนวณค่ากลางและค่าการกระจายที่เหมาะสมของ
exclaim_messสำหรับทั้งสแปมและไม่ใช่สแปม โดยใช้group_by()และsummarize() - สร้างกราฟที่เหมาะสมเพื่อแสดงความสัมพันธ์ระหว่างตัวแปรทั้งสอง และเพิ่มขั้นตอนการแปลงด้วย log หากจำเป็น
- หากเลือกใช้การแปลง log โปรดระวังว่า
log(0)จะได้ค่าเป็น-Infใน R ซึ่งไม่มีประโยชน์มากนัก แก้ไขได้โดยการบวกตัวเลขเล็กน้อย (เช่น0.01) เข้าไปในค่าที่อยู่ในฟังก์ชันlog()วิธีนี้จะทำให้ค่าไม่เป็นศูนย์ และการเลื่อนค่าเล็กน้อยนี้จะไม่กระทบผลลัพธ์
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Compute center and spread for exclaim_mess by spam
# Create plot for spam and exclaim_mess