Des emails vers les données

Données

UCI spams (Hopkins, Reeber, Forman, Suermondt de Hewlett-Packard Lab).

• 4601 mails
• 54 mots clés

Quelques mots-clés ciblés:

• internet
• free
• business
• conference
• money
• ...

Comment trier?

Zoom sur le tableau de données

On permute la ligne 2 avec la ligne 3

On permute les lignes 2 et 4 avec la 5

Apparition d'une structure

On devine les mots clés caractéristiques de chaque groupe

Besoin de mathématiques

$\begin{array}{cc}& f\left(x_i\right|{\alpha }_k)={\displaystyle \sum _{k=1}^K}{p}_{k}h\left(x_i\right|{\alpha }_k)\hfill \end{array}$

$\begin{array}{cc}& h\left(x_i\right|{\alpha }_k)={\displaystyle \prod _{j=1}^d}{\displaystyle \prod _{h=1}^{m_j}}{\left({\alpha }_k^{jh}\right)}^{x_i^{jh}}\hfill \end{array}$

Besoin d'informatique

Tri en 2 groupes

Bon classement : 81.6%

Tri automatique final

Tri en 3 groupes

Bon classement : 84.2%

Tri automatique final

2 ou 3 groupes?