NLP Academy · Lekcja

Tworzenie wykrywacza spamu

Trenuj na oznaczonych wiadomościach

Tworzenie wykrywacza spamu to bezpłatna lekcja NLP Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej NLP Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs NLP Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Your First Real Model

Time to build something useful: a spam filter. You will train a classifier on labeled messages and let it judge brand-new ones.

Start With Labeled Data

Every supervised model needs examples with answers. Here each message comes with a label of spam or ham, the friendly name for not-spam.

messages = ["win cash now", "lunch at noon?", "free prize click"]
labels = ["spam", "ham", "spam"]
print(len(messages), len(labels))

Turn Text Into Numbers

The model cannot read raw words, so you count them first. A CountVectorizer converts each message into a row of word counts.

from sklearn.feature_extraction.text import CountVectorizer
vec = CountVectorizer()
X = vec.fit_transform(messages)

Meet MultinomialNB

For word counts, the right tool is MultinomialNB, the count-based flavor of Naive Bayes built right into scikit-learn.

from sklearn.naive_bayes import MultinomialNB
model = MultinomialNB()

Fit the Model

Training is one line: hand the model your features and labels. The fit call counts words per class and stores the probabilities.

model.fit(X, labels)
print("trained on", X.shape[0], "messages")

Predict New Mail

To judge a fresh message, vectorize it the same way and call predict. The model returns its best guess for spam or ham.

new = vec.transform(["free cash prize"])
print(model.predict(new))

Reuse the Vectorizer

New text must use the same vocabulary the model learned. Always call transform, never fit again, or the columns will not line up.

Peek at the Confidence

Beyond the label, the model can report how sure it is. The predict_proba method gives a probability for each possible class.

print(model.predict_proba(new))

Hold Out a Test Set

Never grade a model on the data it trained on. Split off a test set so you can measure how it does on unseen messages.

Score the Filter

Run predictions on the held-out messages and compare to the truth. That accuracy tells you whether your spam filter actually works. 📬

Iterate to Improve

More clean data and better preprocessing lift results fast. Treat this filter as a baseline you can steadily refine, not a finished product.

Quick Check

How should you prepare a new message before predicting on it?

Recap

You vectorized messages, trained MultinomialNB, and predicted spam on new text. Reusing the fitted vectorizer keeps your features aligned. ✅

Często zadawane pytania

Czy lekcja „Tworzenie wykrywacza spamu” jest bezpłatna?

Tak — pełny tekst „Tworzenie wykrywacza spamu” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu NLP Academy, przejdź na CoddyKit PRO. Kurs NLP Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Tworzenie wykrywacza spamu”?

Trenuj na oznaczonych wiadomościach Ćwiczysz NLP Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć NLP Academy?

Nie wymagamy żadnego doświadczenia. NLP Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.

Ile czasu zajmuje lekcja „Tworzenie wykrywacza spamu”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji NLP Academy?

Tak. Każda lekcja NLP Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do NLP Academy