使用电子邮件数据集进行机器学习时是否应忽略电子邮件标题？

Question

我一直在查看机器学习的电子邮件数据集，并注意到除了电子邮件内容外，电子邮件还包含标题信息。是否最好忽略或跳过标题并专注于电子邮件内容？或者，是否应包括标题？这取决于你想要做什么吗？

为了训练Word2Vec，是否应该使用标题？

如果要将电子邮件归类为垃圾邮件或非垃圾邮件，是否应使用标头？

Answer 1

电子邮件的标题部分肯定有帮助确定邮件是否是垃圾邮件的信息。 from，reply-to和subject是可用于垃圾邮件过滤的一些重要字段。

话虽如此，您可以随时尝试使用不同类型的数据输入来更好地训练ML算法。