| Autor: |
Michelle Tais Garcia Furuya, Danielle Elis Garcia Furuya |
| Jazyk: |
portugalština |
| Rok vydání: |
2021 |
| Předmět: |
|
| Zdroj: |
Colloquium Exactarum, Vol 12, Iss 3, Pp 31-38 (2021) |
| Druh dokumentu: |
article |
| ISSN: |
2178-8332 |
| Popis: |
O serviço de e-mail é uma das principais ferramentas utilizadas nos dias de hoje e é um exemplo de que a tecnologia facilita a troca de informações. Por outro lado, um dos maiores empecilhos enfrentados pelos serviços de e-mail corresponde ao spam, nome dado à mensagem não solicitada recebida por um usuário. A aplicação de aprendizado de máquina (machine learning) vem ganhando destaque nos últimos anos como alternativa para identificação eficiente de spam. Nessa área, diferentes algoritmos podem ser avaliados para identificar qual apresenta melhor desempenho. O objetivo deste estudo consiste em identificar a capacidade dos algoritmos de aprendizado de máquina em classificar corretamente os e-mails e identificar também qual algoritmo obteve maior acurácia. A base de dados utilizada foi retirada da plataforma Kaggle e os dados foram processados pelo software Orange com quatro algoritmos: Random Forest (RF), K-Nearest Neighbors (KNN), Support Vector Machine (SVM) e Naive Bayes (NB). A divisão dos dados em treino e teste considerou 80% dos dados para treinamento e 20% para teste. Os resultados evidenciam que o Random Forest foi o algoritmo com melhor desempenho com acurácia de 99%. |
| Databáze: |
Directory of Open Access Journals |
| Externí odkaz: |
|
