تنبؤ الايميل spam or ham (not spam)

يهدف هذا المشروع إلى بناء نموذج ذكي لتصنيف الرسائل الإلكترونية إلى بريد عشوائي (Spam) أو بريد موثوق (Not Spam) باستخدام تقنيات معالجة اللغة الطبيعية (NLP) وتعلم الآلة (Machine Learning)، بهدف المساهمة في الحد من الرسائل غير المرغوب فيها وتحسين تجربة المستخدم.

المهام المنفذة:

1- جمع البيانات: استخدام مجموعة بيانات تحتوي على رسائل بريد إلكتروني مصنفة مسبقًا (مثل SpamAssassin أو datasets من Kaggle).

2-تنظيف البيانات النصية: إزالة الرموز، الروابط، وتوحيد الكلمات وتحويلها إلى صيغة قابلة للتحليل.

3- تحويل النصوص: استخدام تقنيات مثل Bag of Words أو TF-IDF لتحويل النصوص إلى خصائص رقمية.

4- بناء النموذج: تجربة عدة خوارزميات (مثل Naive Bayes، Logistic Regression، Random Forest) لتحديد أفضل أداء.

5- تقييم النموذج: تحليل نتائج النموذج باستخدام مقاييس مثل الدقة (Accuracy)، F1-score، والـ Confusion Matrix.

الأدوات والتقنيات المستخدمة:

Python

Pandas, NumPy

Scikit-learn

NLTK

Matplotlib, Seaborn

Jupyter Notebook

النتائج:

حقق النموذج النهائي دقة تصل إلى 97%، مع قدرة عالية على تصنيف الرسائل بشكل صحيح وتقليل احتمالية الخطأ.