Detección de correos electrónicos spam utilizando Machine Learning

Construir un modelo de clasificación capaz de identificar si un correo electrónico es spam o no spam (ham), usando técnicas de procesamiento de lenguaje natural (NLP) y algoritmos básicos de Machine Learning.

Python, Colab, Git

Este proyecto tiene como objetivo desarrollar un sistema de detección automática de mensajes spam utilizando técnicas de Machine Learning y procesamiento de lenguaje natural (NLP). El spam representa un problema recurrente en los sistemas de comunicación digital, ya que puede generar pérdidas de tiempo, riesgos de seguridad y una mala experiencia para los usuarios.

Para abordar este problema, se utiliza un dataset de mensajes SMS etiquetados como spam y no spam (ham), el cual permite entrenar modelos de aprendizaje supervisado. Los textos son preprocesados y transformados en representaciones numéricas mediante la técnica TF-IDF (Term Frequency – Inverse Document Frequency), que permite capturar la importancia de las palabras dentro del conjunto de datos.

Posteriormente, se entrenan y evalúan modelos de clasificación como Naive Bayes y Regresión Logística, los cuales son ampliamente utilizados en tareas de clasificación de texto debido a su simplicidad y eficiencia. El desempeño de los modelos se evalúa utilizando métricas como accuracy, precision, recall y F1-score, además de la matriz de confusión.

Finalmente, los resultados obtenido