Автоматизоване виявлення спам-повідомлень у текстовому наборі даних Kaggle з використанням наївного класифікатора Баєса

Abstract

У роботі досліджено застосування наївного класифікатора Баєса для автоматизованої класифікації текстових повідомлень на два класи: звичайні повідомлення та спам. Для експериментального дослідження використано текстовий набір даних з Kaggle, що містить 83 448 повідомлень із мітками класів. Виконано завантаження даних, створення DataFrame, аналіз структури набору, перевірку пропущених значень, візуалізацію розподілу класів та попередню обробку тексту засобами бібліотеки NLTK. Реалізовано власну версію алгоритму Naive Bayes із використанням згладжування Лапласа. Якість класифікації оцінено за метриками Accuracy, Precision, Recall таThe paper investigates the application of the Naive Bayes classifier for automated text message classification into two classes: regular messages and spam. A text dataset from Kaggle containing 83,448 labeled messages was used for the experimental study. Data loading, DataFrame creation, dataset structure analysis, missing value checking, class distribution visualization, and text preprocessing using the NLTK library were performed. A custom implementation of the Naive Bayes algorithm with Laplace smoothing was developed. Classification quality was evaluated using Accuracy,