Email Spam Detection

Objectif du projet

Détecter automatiquement si un e-mail est un spam ou non-spam (ham) à l'aide d'un modèle d'intelligence artificielle.

---

Contenu du projet

• spam.csv : Fichier de données contenant des exemples d'e-mails.
• spam_detection.ipynb : Notebook Jupyter avec tout le code.
• model.pkl : Modèle entraîné pour la détection de spam.
• README.md : Description du projet.

---

Technologies utilisées

• Python
• Scikit-learn
• Pandas
• Numpy
• TfidfVectorizer
• Jupyter Notebook

---

Étapes principales

1. Chargement des données
2. Prétraitement des textes
3. Conversion en vecteurs numériques (TF-IDF)
4. Séparation Train/Test
5. Entraînement du modèle avec Logistic Regression
6. Évaluation du modèle
7. Prédiction sur de nouveaux e-mails

---

Exemple de prédiction

email = ["Congratulations! You've won a $1000 gift card."]
prediction = model.predict(vectorizer.transform(email))
print(prediction)  # Résultat : ['spam']