Training¶

Mail-Klassifikator (Bayes + Neural) mit Spam- und Ham-Samples trainieren. Hier sehen Sie alle als Training-relevant markierten Mails der letzten Periode und können sie als Spam (negative class) oder Ham (positive class) deklarieren.

Liste¶

Pro Sample:

Score-Bayes — der aktuelle Bayes-Score (zeigt was der Klassifikator denkt)
Status — uncategorized / trained-as-spam / trained-as-ham
Sender / Subject / Empfangs-Zeitpunkt
Actions — Anzeigen, Body-Vorschau, als Spam trainieren, als Ham trainieren, ignorieren

Aktionen¶

Als Spam trainieren (Flagge) — Mail-Body wird dem Spam-Klassifikator als negativem Sample gefüttert
Als Ham trainieren (Häkchen) — als positives Sample
Vorschau (Auge) — Body lesen vor Entscheidung
Body verstecken (Auge-Strich) — Subject + Headers, kein Body (für sensitive Mails)
Download — EML-Datei
Ignorieren — Sample ohne Trainings-Wirkung wegklicken

Quellen für Training-Samples¶

Operator-markiert — Admin im UI als Spam/Ham markierte Mails
End-User-Feedback — wenn ein Empfänger im Quarantäne-Portal eine Mail freigibt, landet sie automatisch im Ham-Training
Quarantäne-Aktionen — Verwerfen einer Quarantäne-Mail kann optional als Spam-Training fließen (Toggle in Mail-Config)

Cluster-Verhalten¶

Klassifikator-State ist clusterweit synchron — wenn Sie auf Node-1 trainieren, profitieren Node-2 und Node-3 innerhalb Sekunden ohne separate Trainings-Pipeline.

Bayes-Threshold¶

Effektiv ab ca. 500 Samples pro Klasse. Vorher dominiert der Neural-Klassifikator (vortrainiert) und Reputation-Bewertung. Bei sehr viel Training-Volumen (10k+ pro Klasse) ist der Bayes-Anteil am Score stärker als die anderen Komponenten.