Podsumowanie: filtr spamu

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 20 z 58.

Wyzwanie

Średni

Stwórz filtr antyspamowy, od którego rozpoczął się ten rozdział. Plik emails.csv zawiera 200 wiadomości e-mail: links, exclaims, caps_words, from_contact (1 dla znanego nadawcy), words i spam. Program odczytuje próg.

Odłóż jedną czwartą danych na testy (random_state=0), przeskaluj wiersze treningowe i dopasuj model LogisticRegression; wyświetl jego dokładność na danych testowych (3 miejsca po przecinku).
Dla danego progu policz testowe wiadomości e-mail wysłane do spamu, te prawdziwe wśród nich oraz wiadomości spamowe, które przepuszczono.
Wyświetl najsilniejszy dowód świadczący o spamie i jego wagę (2 miejsca po przecinku).

Dla innej usługi i 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)

Spróbuj swoich sił

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())

# Napisz swój kod poniżej