This so called “Spambase” dataset c

This so called “Spambase” dataset contains real data examples. So the author analysed real emails.
The dataset contains 57 attributes or features. These consist of:


48 continuous real [0,100] attributes of type word_freq_WORD
| = percentage of words in the e-mail that match WORD,
| i.e. 100 * (number of times the WORD appears in the e-mail) /
| total number of words in e-mail. A "word" in this case is any
| string of alphanumeric characters bounded by non-alphanumeric
| characters or end-of-string.
|
| 6 continuous real [0,100] attributes of type char_freq_CHAR
| = percentage of characters in the e-mail that match CHAR,
| i.e. 100 * (number of CHAR occurences) / total characters in e-mail
|
| 1 continuous real [1,...] attribute of type capital_run_length_average
| = average length of uninterrupted sequences of capital letters
|
| 1 continuous integer [1,...] attribute of type capital_run_length_longest
| = length of longest uninterrupted sequence of capital letters
|
| 1 continuous integer [1,...] attribute of type capital_run_length_total
| = sum of length of uninterrupted sequences of capital letters
| = total number of capital letters in the e-mail
|
| 1 nominal {0,1} class attribute of type spam
| = denotes whether the e-mail was considered spam (1) or not (0),
| i.e. unsolicited commercial e-mail.

So the first 48 attributes show the frequency of single words in the email. These words are:
which means that, prior to any further analysis, a mail has a 0.4 probability of being spam and 0.6 probability of being legitimate (according to our training set).

Kết quả (Việt) 1:

Điều này được gọi là "Spambase" số liệu chứa dữ liệu thực tế ví dụ. Vì vậy tác giả phân tích thực email.Bộ dữ liệu chứa 57 các thuộc tính hoặc các tính năng. Những bao gồm:48 liên tục bất [0,100] thuộc tính của các loại word_freq_WORD| = tỷ lệ phần trăm của các từ trong e-mail khớp với từ,| tức là 100 * (số lần xuất hiện từ trong e-mail) /| Tổng số từ trong e-mail. Một "từ" trong trường hợp này là bất kỳ| Chuỗi các ký tự chữ số giáp không chữ và số| ký tự hoặc kết thúc của chuỗi.|| 6 các thuộc tính liên tục bất [0,100] của kiểu char_freq_CHAR| = tỷ lệ phần trăm của các ký tự trong e-mail khớp với CHAR,| tức là 100 * (số lượng các CHAR chú) / tổng số ký tự trong e-mail|| 1 liên tục bất [1,...] các thuộc tính của kiểu capital_run_length_average| = chiều dài trung bình của không bị gián đoạn trình tự của các chữ cái vốn|| 1 số nguyên liên tục [1,...] các thuộc tính của kiểu capital_run_length_longest| = chiều dài dài nhất không bị gián đoạn chuỗi các chữ cái vốn|| 1 số nguyên liên tục [1,...] các thuộc tính của kiểu capital_run_length_total| = Tổng chiều dài của chuỗi liên tục của chữ| = Tổng số chữ trong e-mail|| thuộc tính lớp 1 danh nghĩa {0,1} loại thư rác| = bắt buộc cho dù thư điện tử được coi là thư rác (1) hay không (0),| tức là không được yêu cầu e-mail thương mại. Do đó, các thuộc tính trước 48 Hiển thị tần số của các từ đơn lẻ trong email. Những từ này là:đó có nghĩa là, trước khi bất kỳ phân tích thêm, một thư có một xác suất cách 0.4 là thư rác và cách 0.6 xác suất là hợp pháp (theo bộ đào tạo của chúng tôi).

Kết quả (Việt) 2:

Cái gọi là "Spambase" dữ liệu này có thực ví dụ dữ liệu. Vì vậy, các tác giả đã phân tích các email thực sự.
Các dữ liệu chứa 57 thuộc tính hoặc các tính năng. Những bao gồm: 48 thực [0100] thuộc tính liên tục của các loại word_freq_WORD | = Tỷ lệ phần trăm của các từ trong các e-mail phù hợp với WORD, | tức là 100 * (số lần WORD xuất hiện trong e-mail) / | tổng số từ trong e-mail. A "từ" trong trường hợp này là bất kỳ | chuỗi các ký tự chữ và giáp khác số | ký tự cuối cùng của chuỗi. | | 6 liên tục thực [0100] thuộc tính của loại char_freq_CHAR | = Tỷ lệ phần trăm của các nhân vật trong e-mail phù hợp với CHAR, | tức là 100 * (số lần xuất hiện CHAR) / tổng số nhân vật trong e-mail | | 1 liên tục thực [1, ...] thuộc tính của loại capital_run_length_average | = Chiều dài trung bình của chuỗi liên tục của các chữ cái vốn | | 1 số nguyên liên tục [1, ...] thuộc tính của loại capital_run_length_longest | = Chiều dài của chuỗi liên tục dài nhất của các chữ cái vốn | | 1 số nguyên liên tục [1, ...] thuộc tính của loại capital_run_length_total | = Tổng độ dài của các chuỗi liên tục của các chữ cái vốn | = Tổng số chữ cái trong e-mail | | 1 danh nghĩa {0,1} class thuộc tính của loại hình thư rác | = Biểu thị cho dù các e-mail được coi là thư rác (1) hay không (0), | tức là không được yêu cầu thương mại điện tử. Vì vậy, trong 48 thuộc tính đầu tiên cho thấy các tần số của những từ đơn lẻ trong email. Những từ này là: điều đó có nghĩa rằng, trước khi bất kỳ phân tích thêm, một mail có một xác suất 0.4 là spam và 0,6 xác suất là hợp pháp (theo tập huấn luyện của chúng tôi).