Menu

EMPEZAR A APRENDER

Español

Repaso: filtro de spam

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 20 de 58.

Desafío

Intermedio

Construye el filtro de spam con el que empezó este capítulo. emails.csv contiene 200 correos electrónicos: links, exclaims, caps_words, from_contact (1 para un remitente conocido), words y spam. El programa lee un umbral.

Reserva una cuarta parte para las pruebas (random_state=0), escala las filas de entrenamiento y ajusta un LogisticRegression; imprime su precisión en las pruebas (3 decimales).
Con el umbral, cuenta los correos electrónicos de prueba enviados a spam, los reales entre ellos y los mensajes de spam que pasan el filtro.
Imprime la evidencia más sólida de spam y su peso (2 decimales).

Para otro servicio y 0.7:

Test accuracy: 0.884
At 0.7: 15 emails to spam (1 of them real), 4 spam let through
Strongest spam evidence: links (1.38)

Pruébalo tú mismo

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

emails = pd.read_csv("emails.csv")
features = ["links", "exclaims", "caps_words", "from_contact", "words"]
threshold = float(input())

# Escribe tu código a continuación

Todas las lecciones de Aprendizaje supervisado

1Tu primer modelo

Aprender de ejemplos Conjuntos de entrenamiento y prueba Ajustar y predecir Evaluar un modelo Repaso: clasificador de semillas

4Regresión logística

Predicciones de sí o no El umbral de decisión Los pesos como evidencia Varias clasesRepaso: filtro de spam

7Sobreajuste

Subajuste y sobreajuste Curvas de aprendizaje Regularización Conjuntos de validación Repaso: Ajustar un árbol

10Canalizaciones

Canalizaciones Columnas mixtas Imputación en una canalización Ajuste de una canalización Repaso: limpiar y predecir

2Vecinos más cercanos

Cómo decide k-NN Cómo elegir k Fronteras de decisión Escalado para los vecinos Repaso: vecinos del vino

5Medición de clasificadores

La matriz de confusión Precisión y exhaustividad La puntuación F1 Clases desequilibradas Curvas ROC Repaso: prueba de detección

8Validación cruzada

Validación K-Fold Comparación justa de modelos Búsqueda en cuadrícula Repaso: reparaciones de monopatines

11Proyecto: especies de pingüinos

Conoce a los pingüinos Prepara los datos Elige un modelo Ajusta el modelo ganador Publica el modelo

3Regresión lineal

Predicción de números Varias características Medición de errores Gráficos de residuos Repaso: alquiler de bicicletas

6Árboles de decisión

Los árboles hacen preguntas Leer un árbol Profundidad del árbol Importancia de las características Repaso: decisiones de préstamos

9Métodos de conjunto

Bosques aleatorios Por qué funcionan los bosques Aumento de gradiente Repaso: guardabosques

12Desafíos finales

Progreso de la diabetes Aprobación de crédito Dígitos escritos a mano Abandono de clientes

Practica por tu cuenta: Compilador de Python online