Düzeyleri birleştirme
exclaim_mess değişkeninin aşırı çarpıklığıyla çalışmak zorsa, her e-postaya eklenen görsel sayısı (image) daha da zorlu bir konu. Dağılımı hakkında fikir edinmek için konsolda aşağıdaki kodu çalıştır:
table(email$image)
Bunun, her kategorideki vaka sayısını tabloya döktüğünü unutma (örneğin 0 görselli 3811 e-posta vardı). Daha yüksek görsel sayılarında sayımlar çok düşük olduğundan, image değişkenini, e-postada en az bir görsel olup olmadığını belirten kategorik bir değişkene dönüştürelim. Bu egzersizde bu yeni değişkeni oluşturacak ve spam ile ilişkisini keşfedeceksin.
Bu egzersiz, kursun bir parçasıdır
R ile Keşifsel Veri Analizi
Egzersiz talimatları
email ile başlayarak, aşağıdaki görevleri birbirine bağlayan kesintisiz bir zincir oluştur:
- Görsel sayısı sıfırdan büyükse
TRUE, aksi haldeFALSEolanhas_imageadlı yeni bir değişken oluştur. emaililehas_imagevespamarasındaki ilişkiyi görselleştirmek için uygun bir grafik oluştur.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create plot of proportion of spam by image
email %>%
mutate(has_image = ___) %>%
ggplot(aes(x = ___, fill = ___)) +
geom_bar(position = ___)