https://github.com/codebreaker518/svm-spam-classifier
https://github.com/codebreaker518/svm-spam-classifier
Last synced: 3 days ago
JSON representation
- Host: GitHub
- URL: https://github.com/codebreaker518/svm-spam-classifier
- Owner: CodeBreaker518
- Created: 2025-05-19T04:22:44.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-05-19T07:54:53.000Z (about 1 year ago)
- Last Synced: 2025-06-22T15:44:35.123Z (12 months ago)
- Language: Python
- Size: 1.98 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Clasificador de SPAM con SVM
Este proyecto utiliza un modelo de Máquina de Vectores de Soporte (SVM) para clasificar mensajes de texto como SPAM o NO SPAM usando el dataset `spam.csv`.
## Requisitos
- Python 3.8+
- Las dependencias están en `requirements.txt`.
## Instalación
1. Clona este repositorio:
```bash
git clone
cd SVM_SPAM_Classifier
```
2. Crea y activa un entorno virtual:
### Windows
```bash
python -m venv .venv
.venv\Scripts\activate
```
### macOS y Linux
```bash
python -m venv .venv
source .venv/bin/activate
```
3. Instala las dependencias:
```bash
pip install -r requirements.txt
```
## Uso
### Windows
1. Activa el entorno virtual (si aun no lo has hecho):
```bash
.venv\Scripts\activate
```
2. Ejecuta el script:
```bash
python main.py
```
### macOS & Linux
1. Activa el entorno virtual (si aun no lo has hecho):
```bash
source .venv/bin/activate
```
2. Ejecuta el script:
```bash
python main.py
```
## Alternativa: Uso sin entorno virtual
Si prefieres no usar un entorno virtual, puedes instalar las dependencias directamente en tu sistema:
```bash
pip install scikit-learn pandas
```
Luego, simplemente ejecuta el script:
```bash
python main.py
```
## Estructura del dataset
El archivo `spam.csv` debe tener las siguientes columnas:
- `v1`: Etiqueta (`spam` o `ham`)
- `v2`: Mensaje de texto
## Personaliza la clasificación
Puedes modificar o agregar emails de prueba en la lista `test_emails` dentro de `main.py` para probar el modelo con tus propios mensajes.
## Licencia
MIT