Тема: Объясните почему так

1. стоит regarding threshold="2". Письмо, имеющее 11 токенов с оценкой 0.01 и 14 с 0.99 попадает в спам. Я так полагал, что при regarding threshold="2" соотношение плохих токенов к хорошим должно быть как минимум 2:1, я не прав?

2. мечу это письмо как "не спам" и пересылаю его себе повторно для проверки - оно опять попадает в спам. Ну это ладно, но почему в логе у него опять обнаруживается 14 токенов с оценкой 0.99? Мне казалось, что раз с этими тегами есть хоть одно не спамное письмо, то оценки 0.99 быть не должно. recalculating strategy="1". Смотрю в директорию с базами и вижу, что обновлялись файлы только в transact, а базы нет. Автообучение у меня отключено, так что - ручное обучение при этом тоже не работает????

1. Regarding threshold влияет на вычисление значений токенов. Если, скажем, слово дважды встретилось в спаме и не-спаме, то при regarding threshold=1 его "спамность" будет 0,5, а при regarding threshold=2 - 0,33.
2. Фильтр ориентирован на реальную работу, а не на эксперименты с "пометил как"… "проверил". Пометка писем и пересчёт баз не происходят одновременно - и ввиду статистического характера работы в "синхронности" этих действий просто нет необходимости. "Пометить как не-спам" означает то, что фактические изменения в базе наступят лишь через какое-то время (в вырожденном случае частого переобучения (autotraining strategy) - примерно через полминуты-минуту, но вообще рекомендуется подобрать значение autotraining strategy таким, чтобы пересчёт баз происходил примерно раз в сутки). Если установить это значение, скажем, в 0.001, то пересчёт базы будет планироваться после получения ("число писем в базе спама" + "число писем в базе не-спама")*0.001 - т.е. вплоть до сбора 1000 писем - после каждого письма, а затем реже.

Сообщение от klirik

1. Regarding threshold влияет на вычисление значений токенов. Если, скажем, слово дважды встретилось в спаме и не-спаме, то при regarding threshold=1 его "спамность" будет 0,5, а при regarding threshold=2 - 0,33.

IMHO это не очень хорошо. Потому как на слова, которые до сих пор встречались только в спаме или только в неспаме этот параметр не влияет, а именно эти слова и выбираются для оценки в первую очередь. Лучше было бы значение токенов не трогать, а смещать порог.

Сообщение от Askold

IMHO это не очень хорошо. Потому как на слова, которые до сих пор встречались только в спаме или только в неспаме этот параметр не влияет, а именно эти слова и выбираются для оценки в первую очередь. Лучше было бы значение токенов не трогать, а смещать порог.

Пожалуйста - настройки The Bat! "перемещать в папку "Спам" если значение больше, чем…".

Сообщение от klirik

Пожалуйста - настройки The Bat! "перемещать в папку "Спам" если значение больше, чем…".

Если больше чем что? У меня в оценках ничего, кроме 0.99 или 0.01 не бывает. Ниже я писал, что в спаме оказалось письмо с 14 токенами по 0.99 и 11-ю 0.01. Результирующая оценка у него была 99.