Update README.md

README.md

@@ -10,6 +10,8 @@ tags:
 - grid-search
 model_format: skops
 dataset_name: ucirvine/sms_spam
+datasets:
+- ucirvine/sms_spam
 ---
 # **Modelo de Clasificación de Spam usando TF-IDF y Complement Naive Bayes**
 
@@ -17,7 +19,7 @@ Este modelo ha sido entrenado para clasificar mensajes de texto, determinando si
 
 # **Conjunto de Datos**
 
-El conjunto de datos utilizado para llevar a cabo el entrenamiento del modelo ha sido ucirvine/sms\_spam, el cual contiene mensajes SMS reales en el idioma inglés.
+El conjunto de datos utilizado para llevar a cabo el entrenamiento del modelo ha sido `ucirvine/sms_spam`, el cual contiene mensajes SMS reales en el idioma inglés.
 
 # **Arquitectura del Modelo**
 
@@ -26,15 +28,14 @@ El modelo está compuesto por dos pasos principales:
 * **TF-IDF (Term Frequency-Inverse Document Frequency):** Primero se tokeniza cada palabra de cada mensaje SMS para, posteriormente, vectorizarla de acuerdo con el método TF-IDF. Este método consiste en asignar una puntuación a las palabras presentes en un texto con base en su frecuencia (número de veces que aparecen) dentro de un documento individual y dentro del corpus completo.  
   * La Frecuencia del Término (TF) está dada por la siguiente fórmula:
 $$TF(t, d) = \frac{f(t, d)}{\sum_{t' \in d} f(t', d)}$$
-    Dado que en el caso de este modelo hemos utilizado la instrucción tfidf\_\_sublinear\_tf=True, se atenúa la influencia de la aparición desmedida de determinados términos mediante el siguiente ajuste logarítmico:  
+    Dado que en el caso de este modelo hemos utilizado la instrucción `tfidf_sublinear_tf=True`, se atenúa la influencia de la aparición desmedida de determinados términos mediante el siguiente ajuste logarítmico:  
 $$TF(t, d) = 1 + \log(f(t, d)) \quad \text{si } f(t, d) > 0$$  
   * Respecto a la Frecuencia Inversa del Documento (IDF), se aplica la fórmula estándar implementada en Scikit-Learn:  
 $$IDF_{\text{Scikit-Learn}}(t) = \log\left(\frac{1 + N}{1 + df(t)}\right) + 1$$
 
-Finalmente, obtenemos la puntuación definitiva multiplicando ambos términos:
+  Finalmente, obtenemos la puntuación definitiva multiplicando ambos términos:
 $$TF\text{-}IDF(t, d) = TF(t, d) \times IDF(t)$$
-
-Adicionalmente, el método TF-IDF hace uso de `word\_tokenize` de la librería **NLTK** para tokenizar los mensajes SMS mediante reglas estándar de la lingüística, separando contracciones del inglés de manera inteligente y aislando los signos de puntuación de las palabras, siendo este uno de los enfoques más recomendados para nuestro caso de estudio.
+  Adicionalmente, el método TF-IDF hace uso de `word\_tokenize` de la librería **NLTK** para tokenizar los mensajes SMS mediante reglas estándar de la lingüística, separando contracciones del inglés de manera inteligente y aislando los signos de puntuación de las palabras, siendo este uno de los enfoques más recomendados para nuestro caso de estudio.
 
 * **Complement Naive Bayes (CNB):** Se ha seleccionado esta versión de Naive Bayes ya que es una extensión de *Multinomial Naive Bayes* diseñada específicamente para corregir los sesgos generados por conjuntos de datos con clases desbalanceadas. Consiste en hallar la probabilidad de que aparezca un término en el *complemento* de la clase objetivo. Resulta ideal para nuestro escenario, ya que la gran mayoría de los mensajes del conjunto de datos son válidos (*ham*), y tan solo una pequeña minoría ha sido etiquetada como *SPAM*.
 
@@ -101,5 +102,4 @@ Si tienes alguna pregunta, sugerencia o deseas conectar conmigo, no dudes en esc
 
 * 💼 **LinkedIn:** [Anderson Rodríguez](https://www.linkedin.com/in/andersoncrs)  
 * 🐙 **GitHub:** [Andersoncrs](https://github.com/Andersoncrs)  
-* 📧 **Correo Electrónico:** andersoncamilo.rodriguez.s@gmail.com
-
+* 📧 **Correo Electrónico:** andersoncamilo.rodriguez.s@gmail.com