Spam và !!!
Hãy xem một dấu hiệu rõ ràng hơn của spam: dấu chấm than. exclaim_mess chứa số lượng dấu chấm than trong mỗi tin nhắn. Dùng thống kê tóm tắt và trực quan hóa để xem liệu có mối liên hệ nào giữa biến này và việc một tin nhắn có phải spam hay không.
Hãy thử nghiệm với các dạng biểu đồ khác nhau cho đến khi bạn tìm được loại trực quan hóa cung cấp nhiều thông tin nhất. Hãy nhớ bạn đã thấy:
- Biểu đồ hộp đặt cạnh nhau
- Biểu đồ histogram theo ô (faceting)
- Biểu đồ mật độ chồng lên nhau
Bài tập này là một phần của khóa học
Phân tích Khám phá Dữ liệu với R
Hướng dẫn bài tập
Bộ dữ liệu email vẫn có sẵn trong không gian làm việc của bạn.
- Tính các thước đo phù hợp của mức trung tâm và độ phân tán cho
exclaim_messcho cả hai nhóm spam và không-spam bằnggroup_by()vàsummarize(). - Vẽ một biểu đồ phù hợp để trực quan hóa mối liên hệ giữa cùng hai biến đó, thêm bước biến đổi log nếu cần.
- Nếu bạn quyết định dùng biến đổi log, nhớ rằng
log(0)là-Inftrong R, giá trị này không hữu ích lắm! Bạn có thể xử lý bằng cách cộng một số nhỏ (như0.01) vào lượng bên trong hàmlog(). Cách này giúp giá trị của bạn không bao giờ bằng 0. Sự dịch chuyển nhỏ sang bên phải này sẽ không ảnh hưởng đến kết quả.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Compute center and spread for exclaim_mess by spam
# Create plot for spam and exclaim_mess