さくらのレンタルサーバのスパムフィルタをチューニングする

さくらのレンタルサーバの SpamAssassin のベイジアンはデフォルトではあまり賢くないので、sa-learn^*1 を使って学習させてみました。
さくらのレンタルサーバはほとんどの作業がウェブのコントロールパネルから実行できるようになっていますが、これについては ssh でターミナルから作業するしかないと思います。

† 作業方法

用意するものは、spam メールと spam でないメール（spam と対応させて ham と呼ばれます) の .eml ファイルを沢山用意しておきます。メーラーから Export しなくてもサーバ上にファイルが残っているのであればサーバ上のディレクトリを使うこともできます。例えば ~/MailBox/（ユーザー名）/maildir/cur や ~/MailBox/（ユーザー名）/maildir/new などにあるファイルを使うこともできます。これらのファイルには拡張子がついていませんが、中身は .eml と同じものです。

あとは sa-learn で以下のようなコマンドを実行するだけです。
（./spam や　./ham はメールが実際に入っているディレクトリに読み替えてください。）

今回はそれぞれ2万件ずつ学習させたので、かなり良い精度で spam 判定できるようになりました。

• ^*1: sa-learn - train SpamAssassin's Bayesian classifier