---
id: 5e46f8edac417301a38fb931
title: Classificatore neurale di messaggi SMS
challengeType: 10
forumTopicId: 462380
dashedName: neural-network-sms-text-classifier
---

# --description--

<a href="https://colab.research.google.com/github/freeCodeCamp/boilerplate-neural-network-sms-text-classifier/blob/master/fcc_sms_text_classification.ipynb" target="_blank" rel="noopener noreferrer nofollow">Lavorerai su questo progetto con Google Colaboratory</a>.

Dopo essere andato a quel collegamento, crea una copia del notebook nel tuo account o localmente. Una volta completato il progetto e superato il test (incluso a quel link), invia il link del progetto qui sotto. Se stai inviando un link di Google Colaboratory, assicurati di attivare la condivisione di link per "anyone with the link"

Stiamo ancora sviluppando il contenuto didattico interattivo per il programma di machine learning. Per ora, puoi vedere le sfide video in questa certificazione. Potrebbe anche essere necessario cercare ulteriori risorse di apprendimento, in maniera simile a quello che faresti lavorando su un progetto del mondo reale.

# --instructions--

In questa sfida, dovrai creare un modello di machine learning che classificherà i messaggi SMS come "ham" o "spam". Un messaggio "ham" è un normale messaggio inviato da un amico. Un messaggio "spam" è un annuncio o un messaggio inviato da un'azienda.

Dovresti creare una funzione chiamata `predict_message` che prende un messaggio sotto forma di stringa e restituisce una lista. Il primo elemento della lista dovrebbe essere un numero tra zero e uno che inidica la probabilità di "ham" (0) o "spam" (1). Il secondo elemento nella lista dovrebbe essere la parola "ham" o "spam" a seconda di quale è più probabile.

Per questa sfida, userai il dataset <a href="http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/" target="_blank" rel="noopener noreferrer nofollow">SMS Spam Collection</a>. Il dataset è già stato diviso tra dati di allenamento e dati di test.

Le prime due celle importano le librerie e i dati. L'ultima cella testa il tuo modello e funzione. Aggiungi il tuo codice tra queste due celle.

# --hints--

Dovrebbe superare tutti i test Python.

```js

```

# --solutions--

```py
  # Python challenges don't need solutions,
  # because they would need to be tested against a full working project.
  # Please check our contributing guidelines to learn more.
```