📧 Mini-Projet Machine Learning : Détection de Spam et Ham dans les e-mails

Ce projet a été réalisé dans le cadre du Mini-Projet de Machine Learning à l'ENSAO par le groupe [SPAM/HAM Team] composé des étudiantes suivants :

Nom et Prénom	Profil GitHub
Imane LEGSIR	Imane Legsir 👩‍💻
Noussaiba ZAOUI	noussaiba zaoui 👩‍💻
Hajar DOBLI	hajar dobli 👩‍💻
Kaoutar LAOUAJ	kaoutar laouaj 👩‍💻
Manal BENDALI	manal bendali 👩‍💻
Doha ANIBA	Doha Aniba 👩‍💻

Introduction

Dans un monde où la communication électronique est omniprésente, la détection de spam est d'une importance cruciale. Les e-mails non sollicités peuvent constituer une menace pour la sécurité, la confidentialité et l'efficacité des utilisateurs. Ce projet vise à développer un modèle de Machine Learning capable de distinguer les e-mails spam (indésirables) des e-mails légitimes (ham).

📁 Organisation des fichiers

📄 Code source du projet :

🔗 Lien vers le code source

📊 Dataset :

🔗 Lien vers le dataset (From Kaggle)

📑 Rapport :

🔗 Lien vers le rapport

📚 Bibliothèques nécessaires

Pour exécuter le code, assurez-vous d'avoir les bibliothèques Python suivantes installées :

• pandas: Utilisé pour la manipulation et l'analyse des données tabulaires.
• scikit-learn (sklearn): Utilisé pour la modélisation des données et les outils d'évaluation des modèles.
• matplotlib: Utilisé pour la visualisation des données et des résultats.
• seaborn: Également utilisé pour la visualisation des données.
• nltk: Utilisé pour le traitement naturel du langage (NLP), notamment la tokenization et le téléchargement de certains ensembles de données (stopwords, punkt).
• WordCloud: Une bibliothèque Python pour la création de nuages de mots à partir de textes. Elle permet de visualiser les mots les plus fréquents dans un texte en les affichant dans une disposition visuellement attrayante.

🛠️ Vous pouvez les installer en utilisant la commande suivante :

pip install pandas scikit-learn matplotlib seaborn nltk wordcloud