Depende de cuál sea la excepción.
Usaste el ejemplo de un filtro de spam, así que lo haré.
Si la excepción es “cuando el remitente está en la lista de contactos del usuario”, puede verificarlo primero y luego, si el remitente está en la lista de contactos, ni siquiera se moleste en ejecutar la detección de spam.
- ¿Cuáles son algunos problemas de física interesantes sin resolver que están directamente relacionados con otros campos científicos?
- ¿Cuál es el mejor: Windows de 32 o 64 bits?
- ¿Cuál es el mejor camino a seguir como estudiante de primer año para ingresar a la especialidad de CS?
- ¿Son increíbles las IIT solo por la calidad de los estudiantes que hay allí? No es la facultad, la enseñanza, etc. (¿Jairam Ramesh tiene razón?)
- ¿Los físicos son realmente mejores en aprendizaje automático que los informáticos?
Si la excepción es “cuando el correo electrónico se trata de píldoras para agrandar su pene”, entonces puede usar un modelo separado para determinar si un correo electrónico se trata de píldoras para el pene y, si lo es, asumir que no es spam. Alternativamente, puede simplemente etiquetar los correos electrónicos de píldoras de pene como “no spam” en los datos de capacitación y permitir que su modelo lo aprenda naturalmente. Habrá muchos ejemplos de los cuales aprender.
Si la excepción es “cuando el correo electrónico contiene un poema”, podría indicarlo a través de los datos de capacitación, pero eso probablemente empujará los parámetros del modelo con bastante fuerza en una nueva dirección, ya que otras instancias de spam / no spam no están buscando cosas como rimar En este caso, probablemente desee un modelo separado.
