Spam ve !!!
Spam için daha bariz bir göstergeye bakalım: ünlem işaretleri. exclaim_mess, her mesajdaki ünlem işareti sayısını içerir. Özet istatistikler ve görselleştirme kullanarak, bu değişken ile mesajın spam olup olmadığı arasında bir ilişki var mı incele.
En bilgilendirici olanı bulana kadar farklı grafik türleriyle dene. Daha önce gördüklerini hatırla:
- Yan yana kutu grafikleri (boxplot)
- Bölümlendirilmiş (faceted) histogramlar
- Bindirilmiş (overlaid) yoğunluk grafikleri
Bu egzersiz, kursun bir parçasıdır
R ile Keşifsel Veri Analizi
Egzersiz talimatları
email veri kümesi hâlâ çalışma alanında mevcut.
group_by()vesummarize()kullanarak hem spam hem de spam olmayanlar içinexclaim_messdeğişkeninin uygun merkez ve yayılım ölçülerini hesapla.- Gerekirse log-dönüşümü ekleyerek aynı iki değişken arasındaki ilişkiyi görselleştirmek için uygun bir grafik oluştur.
- Log dönüşümü kullanmaya karar verirsen, R'de
log(0)değerinin-Infolduğunu unutma; bu pek kullanışlı değil! Bunu aşmak içinlog()fonksiyonunun içine küçük bir sayı (örneğin0.01) ekleyebilirsin. Böylece değer asla sıfır olmaz. Bu küçük sağa kaydırma sonuçlarını etkilemez.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Compute center and spread for exclaim_mess by spam
# Create plot for spam and exclaim_mess