ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ФИЛЬТРАЦИИ СПАМА В ЭЛЕКТРОННОЙ ПОЧТЕ

Аннотация

В данной статье рассматривается применение алгоритмов машинного обучения для автоматической фильтрации спам-сообщений в электронной почте. В качестве основной модели была выбрана логистическая регрессия, отличающаяся высокой интерпретируемостью и эффективностью при работе с текстовыми данными. Для эксперимента использовался реальный набор данных из открытого источника, включающий размеченные письма категории “спам” и “не спам”. Предобработка была сведена к минимуму: проведено только удаление дубликатов и векторизация текста.. Результаты модели показали высокие значения точности (97.87%), полноты (86.23%), precision (97.54%) и F1-меры (91.54%), что подтверждается также анализом матрицы ошибок. Полученные результаты демонстрируют целесообразность использования логистической регрессии как надёжного и эффективного инструмента в задачах фильтрации электронной корреспонденции. Работа может служить основой для дальнейших исследований и разработки более сложных систем интеллектуальной защиты от спама.