# Gmail APIを使って迷惑メールを検出・分類する方法（Python）

## 目次
1. はじめに
2. 必要なライブラリのインストール
3. Gmail APIの設定
4. メールデータの取得
5. 迷惑メール分類モデルの構築
6. モデルの精度評価
7. まとめ

## 1. はじめに

Gmail APIを利用して、Pythonで迷惑メールを検出・分類する方法について紹介します。この記事では、主にGmail APIを用いたデータ取得と、機械学習を使ったメール分類の流れについて解説します。

## 2. 必要なライブラリのインストール

まずは必要なライブラリをインストールします。Pythonの標準ライブラリである`google-api-python-client`を利用してGmail APIを操作し、特定のライブラリで機械学習モデルを構築します。

![img](/mosaic-code.jpg)

## 3. Gmail APIの設定

### 3-1. Google Cloud Platformでプロジェクトを作成

1. [Google Cloud Console](https://console.cloud.google.com/)にアクセスし、新しいプロジェクトを作成します。
2. 「ライブラリ」から「Gmail API」を検索して有効化します。
3. 「認証情報」タブで、「OAuth 2.0 クライアントID」を作成し、JSONファイルをダウンロードします。

### 3-2. OAuth 2.0 の設定

以下のサンプルコードを用いて、OAuth 2.0 を利用してAPIにアクセスするためのトークンを取得します。

![img](/mosaic-code.jpg)

## 4. メールデータの取得

Gmailからメールデータを取得します。ここでは、ラベル「SPAM」（迷惑メール）を含むメールを取得する例を説明します。

![img](/mosaic-code.jpg)

## 5. 迷惑メール分類モデルの構築

### 5-1. データセットの準備

メールの中身を取得し、データセットとして準備します。この例では、件名と本文を結合してテキストデータとします。

![img](/mosaic-code.jpg)

### 5-2. モデルの学習

サンプルデータを用意したら、次はモデルの学習です。スパムフィルタを構築するために、スキットラーニングの`TfidfVectorizer`および`LogisticRegression`を使用します。

![img](/mosaic-code.jpg)

## 6. モデルの精度評価

テストデータを用いて、モデルの精度を評価します。

![img](/mosaic-code.jpg)

## 7. まとめ

Gmail APIを利用してメールデータを取得し、スパムメールを分類する方法について説明しました。実際の運用では、モデルのチューニングや、メールデータの追加取得および前処理を行うことで、精度向上を図ることができます。用途によって、フィルタリングの条件や特徴量を調整し、より精度の高い模型を構築するのが望ましいです。 [cv:issue_marketplace_engineer]

# Gmail APIを使って迷惑メールを検出・分類する方法（Python）

## 目次
1. はじめに
2. 必要なライブラリのインストール
3. Gmail APIの設定
4. メールデータの取得
5. 迷惑メール分類モデルの構築
6. モデルの精度評価
7. まとめ

## 1. はじめに

Gmail APIを利用して、Pythonで迷惑メールを検出・分類する方法について紹介します。この記事では、主にGmail APIを用いたデータ取得と、機械学習を使ったメール分類の流れについて解説します。

## 2. 必要なライブラリのインストール

まずは必要なライブラリをインストールします。Pythonの標準ライブラリである`google-api-python-client`を利用してGmail APIを操作し、特定のライブラリで機械学習モデルを構築します。

```bash
pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib
pip install scikit-learn
```

## 3. Gmail APIの設定

### 3-1. Google Cloud Platformでプロジェクトを作成

1. [Google Cloud Console](https://console.cloud.google.com/)にアクセスし、新しいプロジェクトを作成します。
2. 「ライブラリ」から「Gmail API」を検索して有効化します。
3. 「認証情報」タブで、「OAuth 2.0 クライアントID」を作成し、JSONファイルをダウンロードします。

### 3-2. OAuth 2.0 の設定

以下のサンプルコードを用いて、OAuth 2.0 を利用してAPIにアクセスするためのトークンを取得します。

```python
import os.path
from google.auth.transport.requests import Request
from google.oauth2.credentials import Credentials
from google_auth_oauthlib.flow import InstalledAppFlow
from googleapiclient.discovery import build

# スコープの設定
SCOPES = ['https://www.googleapis.com/auth/gmail.readonly']

creds = None
# トークンファイルが存在する場合、認証情報を読み込む
if os.path.exists('token.json'):
    creds = Credentials.from_authorized_user_file('token.json', SCOPES)

# 認証情報がない場合、ユーザーのログインを行う
if not creds or not creds.valid:
    if creds and creds.expired and creds.refresh_token:
        creds.refresh(Request())
    else:
        flow = InstalledAppFlow.from_client_secrets_file(
            'credentials.json', SCOPES)
        creds = flow.run_local_server(port=0)

    # トークンを保存
    with open('token.json', 'w') as token:
        token.write(creds.to_json())

# Gmail APIサービスのインスタンスを作成
service = build('gmail', 'v1', credentials=creds)
```

## 4. メールデータの取得

Gmailからメールデータを取得します。ここでは、ラベル「SPAM」（迷惑メール）を含むメールを取得する例を説明します。

```python
def list_messages(service, user_id, label_ids=[]):
    """サービスからメッセージIDを取得"""
    try:
        response = service.users().messages().list(userId=user_id, labelIds=label_ids).execute()
        messages = []
        if 'messages' in response:
            messages.extend(response['messages'])
        return messages
    except Exception as error:
        print(f'An error occurred: {error}')
        return None

spam_messages = list_messages(service, 'me', ['SPAM'])
print(f'Number of spam messages: {len(spam_messages)}')
```

## 5. 迷惑メール分類モデルの構築

### 5-1. データセットの準備

メールの中身を取得し、データセットとして準備します。この例では、件名と本文を結合してテキストデータとします。

```python
def get_message_content(service, user_id, msg_id):
    """指定したメッセージIDの内容を取得する"""
    try:
        message = service.users().messages().get(userId=user_id, id=msg_id, format='full').execute()
        parts = message['payload'].get('parts', [])
        msg_str = ''
        for part in parts:
            if 'body' in part and 'data' in part['body']:
                data = part['body']['data']
                decoded_data = base64.urlsafe_b64decode(data).decode('utf-8')
                msg_str += decoded_data
        return msg_str
    except Exception as error:
        print(f'An error occurred: {error}')
        return None

# 迷惑メールの内容を取得（例としてSPAMラベルのメールを使用）
spam_data = [get_message_content(service, 'me', msg['id']) for msg in spam_messages]

# 別途正規のメールも同様に取得し、比較用のデータセットを作る
```

### 5-2. モデルの学習

サンプルデータを用意したら、次はモデルの学習です。スパムフィルタを構築するために、スキットラーニングの`TfidfVectorizer`および`LogisticRegression`を使用します。

```python
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# メールデータ全体をTF-IDFでベクトル化
vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(spam_data + regular_data)
y = [1] * len(spam_data) + [0] * len(regular_data)

# データをトレーニングとテストに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# ロジスティック回帰を用いてモデルを学習
model = LogisticRegression()
model.fit(X_train, y_train)
```

## 6. モデルの精度評価

テストデータを用いて、モデルの精度を評価します。

```python
# テストデータに対する予測と精度の計算
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

print(f'Accuracy: {accuracy * 100:.2f}%')
```

## 7. まとめ

Gmail APIを利用してメールデータを取得し、スパムメールを分類する方法について説明しました。実際の運用では、モデルのチューニングや、メールデータの追加取得および前処理を行うことで、精度向上を図ることができます。用途によって、フィルタリングの条件や特徴量を調整し、より精度の高い模型を構築するのが望ましいです。 

Gmail APIを使って迷惑メールを検出・分類する方法（Python）

目次

1. はじめに

続きを読むには単価診断を受けてください（30秒）