La página anterior está en SpamBayesPaginaAnterior
Cómo configurar procmail para filtrar el email con SpamBayes
Se debe editar el archivo .procmailrc. Si no existe, crearlo con el contenido:
MAILDIR=$HOME/Mail
Luego, agregar las siguientes "recetas" de procmail:
:0 fw:hamlock | /usr/bin/sb_filter.py :0: * ^X-Spambayes-Classification:.*spam SPAM
Explicación
procmail ejecuta las recetas especificadas para cada mensaje que llega a la cuenta.
La primera "receta" le dice a procmail que filtre el mensaje con el SpamBayes. SpamBayes lee el mensaje, lo compara con una base de datos de palabras, y le asigna un puntaje y una clasificación al mensaje. El puntaje es la probabilidad de que sea spam, y va de cero a uno, siendo cero en los casos en que el SpamBayes está seguro de que no es spam, y uno en los casos en los que está seguro de que sí es spam. La clasificación depende del puntaje, y puede ser ham (no es spam), spam (es spam) o unsure (SpamBayes no puede decidir si es spam o no). SpamBayes finalmente devuelve el mensaje con un encabezado (X-Spambayes-Classification) que especifica la clasificación y el puntaje de ese mensaje.
La segunda receta le dice a procmail que, para todos los mensajes que contengan el encabezado X-Spambayes-Classification y la clasificación en el mismo de spam, los envíe al folder SPAM.
Un archivo .procmailrc de ejemplo
El siguiente archivo .procmailrc tiene sólo lo necesario para que funcione el SpamBayes (ideal para copiar y pegar 
)
MAILDIR=$HOME/Mail :0 fw:hamlock | /usr/bin/sb_filter.py :0: * ^X-Spambayes-Classification:.*spam SPAM
Preguntas
Cualquier pregunta agréguenla aquí
Entrenar a SpamBayes
Inicialmente, SpamBayes clasifica todos los mensajes como unsure, con puntaje de 0.50. Esto es porque todavía no sabe qué es spam y que no. Para esto, hay que entrenarlo con mensajes, tanto de spam como no spam.
Lo primero es separar los mensajes que consideramos spam. Para esto, hay que guardarlos en un folder aparte. Luego, suponiendo que lo guardamos en el folder spam, usamos el comando:
sb_mboxtrain.py -s Mail/spam
Es importante también entrenar con mails buenos, porque si SpamBayes no sabe qué constituye un mail bueno, va a considerar a todos los mensajes como spam. Para eso, lo ideal es utilizar los mensajes del inbox, una vez que nos aseguremos de que no hay ningún spam de colado.
sb_mboxtrain.py -g /var/mail/nombredeusuario
Ocasionalmente, algún spam puede pasar el filtro. En ese caso, se debe instruir al SpamBayes para que reconozca ese tipo de spam. Para eso, simplemente guardamos el mensaje en el folder de hoy, y volvemos a ejecutar:
sb_mboxtrain.py -s Mail/spam
SpamBayes va a ignorar los mensajes sobre los que ya aprendió, y va a entrenarse sólo con los mensajes nuevos.
Igualmente, puede pasar que un mensaje que no sea spam sea clasificado por SpamBayes como spam. Por eso, es recomendable, sobre todo durante los primeros tiempos, revisar periodicamente el folder SPAM (o donde se le haya dicho a procmail que guarde el spam) para asegurarse de que no haya falsos spam mezclados. Si en algún momento encontramos uno de estos mensajes, el procedimiento es análogo al utilizado para nuevos spams. Simplemente copiamos el mensaje en cuestión a un folder, por ejemplo nospam, y ejecutamos:
sb_mboxtrain.py -g Mail/nospam
Preguntas
Cualquier consulta, pregunten sin miedo