美国历史上最大的企业丑闻—安然事件，其规模惊人，若类比于中国农业银行倒闭。安然曾是2000年美国最大的能源公司，然而由于财务舞弊，一年内即宣告破产。我们选择安然事件的数据集作为机器学习项目，主要因为有其员工间的50万封高级管理人员电子邮件数据库，这在现实中是稀缺的大型真实邮件数据集。
观看纪录片《安然：房间里最聪明的人》会让人深感教训，它强调了诚实的重要性。接下来，我们将深入分析这些邮件，寻找可能揭露违法行为的线索。项目并不复杂，只需遵循以下步骤：
安装Python、pip和scikit-learn包，参考相关教程处理可能的问题。
使用git克隆项目资源库，进入tools目录运行startup.py，检查模块并下载安然邮件数据（可能需要耐心等待解压）。
在\ud120-projects\datasets_questions\explore_enron_data.py中，加载并处理安然电子邮件和财务数据，数据以字典形式存储，包含个人特征。
接下来是数据探索练习：
数据集中包含多少个个人（数据点）？
每个人有多少特征可用？
数据中涉及多少嫌疑人（POI）？
根据相关文章列出的嫌疑人名单，共有多少人？
如何计算James Prentice的股票总值？
在安然事件中，谁涉嫌卷走了最多的资金？
如何处理数据中的缺失值（NaN）？
统计哪些员工的工资数据是量化且邮箱地址可用的。
虽然文章末尾提到了赞赏和关注，但在这里我们只关注数据和分析，不再赘述。通过这些练习，你将更深入理解安然事件数据，并掌握机器学习项目的基本操作。