Building  a  spam  classifier 
Supervised  learning.            features  of  email.          spam  (1)  or  not  spam  (0). 
Features     :  Choose  100  words  indica3ve  of  spam/not  spam

Building  a  spam  classifier 
How  to  spend  your  3me  to  make  it  have  low  error? 
-­‐ Collect  lots  of  data 
-­‐ E.g.  “honeypot”  project. 
-­‐ Develop  sophis3cated  features  based  on  email  rou3ng 
informa3on  (from  email  header). 
-­‐ Develop  sophis3cated  features  for  message  body,  e.g.  should 
“discount”  and  “discounts”  be  treated  as  the  same  word?  How 
about  “deal”  and  “Dealer”?  Features  about  punctua3on? 
-­‐ Develop  sophis3cated  algorithm  to  detect  misspellings  (e.g. 
m0rtgage,  med1cine,  w4tches.)