การรวมระดับหมวดหมู่

หาก exclaim_mess ที่มีการกระจายข้อมูลเบ้มากทำให้วิเคราะห์ได้ยาก ตัวแปร image ซึ่งแสดงจำนวนรูปภาพที่แนบมากับแต่ละอีเมลก็ยิ่งท้าทายกว่า รันโค้ดต่อไปนี้ใน console เพื่อดูการกระจายของข้อมูล:

table(email$image)

โค้ดนี้จะนับจำนวนอีเมลในแต่ละหมวดหมู่ (เช่น มีอีเมล 3,811 ฉบับที่ไม่มีรูปภาพเลย) เนื่องจากค่าที่สูงขึ้นมีจำนวนน้อยมาก เราจะรวม image ให้เป็นตัวแปรแบบหมวดหมู่ที่บ่งชี้ว่าอีเมลนั้นมีรูปภาพอย่างน้อยหนึ่งรูปหรือไม่ ในแบบฝึกหัดนี้ คุณจะสร้างตัวแปรใหม่นี้และสำรวจความสัมพันธ์กับสแปม

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เชิงสำรวจข้อมูลใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

เริ่มจาก email แล้วสร้าง chain ที่เชื่อมต่องานต่อไปนี้เข้าด้วยกัน:

สร้างตัวแปรใหม่ชื่อ has_image ที่มีค่าเป็น TRUE เมื่อจำนวนรูปภาพมากกว่าศูนย์ และ FALSE ในกรณีอื่น
สร้างกราฟที่เหมาะสมจากข้อมูล email เพื่อแสดงความสัมพันธ์ระหว่าง has_image และ spam

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create plot of proportion of spam by image
email %>%
  mutate(has_image = ___) %>%
  ggplot(aes(x = ___, fill = ___)) +
  geom_bar(position = ___)

แก้ไขและรันโค้ด