История страницы
Группа "Robin AI", подгруппа "Машинное обучение".
ITRPA-14786 - ROBIN AI. Классификатор текста (step1). Машинное обучение - spec DONE
Описание
Действие обучает модель классификации текста. Альтернатива Preferentum по классификации текста. Используется совместно с действием "Классифицировать текст". Является альтернативой Preferentum по классификации текста.
Входные
...
параметры
- Данные для обучения
...
Да
- Путь к папке с данными для обучения модели классификации. Внутри папки содержатся подпапки с классами, названия которых – это название класса.
...
Данные для контракта действия:
...
Название
...
Название (англ)
...
Обязательное
...
Описание
...
Описание (англ)
...
Тип данных
...
Примечание
...
Да
...
- Класс - это ........ Внутри каждой подпапки должны быть
...
- файлы формата .txt. с различными текстами, которые соответствуют классу
...
- .
...
Robin.FolderPath
каждой папке папка с классом.
там файлы формата .txt.
Если встретится другой формат, не обрабатываем, пропускаем.
Пример дерева объектов:
исходная папка:
в ней классы:
в классах:
...
- Папка с результатом Путь к папке, в которую будет сохранена обученная модель классификации.
...
The path to the folder where the trained classification model will be saved.
...
- В указанной папке должно быть создано 2 файла: machine_model.pkl – модель машинного обучения, и tfidf_model.pk – сохранение словаря, токены.
...
- Метод Метод, который будет использоваться для обучения модели классификации.
...
The method that will be used to train the classification model.
...
- Используются следующие методы:
- Выбрать наиболее подходящий – Choose the most suitable
- SVC
- RandomForest
- GradientBoosting
- AdaBoost
...
- nTree
- KNeighboors
- Naive Bayes
В списке при смене языка студии на английский "Выбрать наиболее подходящий" сменяется на "Choose the most suitable", остальные варианты остаются на английском.
...
Перезаписать
...
...
- Перезаписать Если значение параметра "true", и в папке с результатом уже существует файл с таким же именем и расширением, то он будет перезаписан.
...
Если значение параметра"false", файл перезаписан не будет, и действие вернет ошибку.
...
Файлы machine_model.pcl and tiff_model.pk должны быть уникальны в указанной папке.
- Стоп-
...
- слова Путь к txt-файлу, который содержит стоп-слова, которые не будут учитываться при обучении модели классификации. Каждое стоп-слово должно быть записано на новой строке.
...
The path to the txt file that contains stop words that will not be taken into account when training the classification model. Each stop word must be written on a new line.
...
- Слова, несущие мало смысла для классификации,
...
- но часто встречающиеся,
...
- например, в письмах:
- Доброе утро!
- Добрый день!
- С уважением,
- tel:
- email:
...
- Словосочетания Путь к txt-файлу, содержащему словосочетания, которые при обучении модели важно не разделять на отдельные слова для сохранения смысла всей фразы. Каждое словосочетание должно быть записано на новой строке.
...
-
Словосочетания нужны для
...
указания важности фразы целиком, без разделения по словам.
...
Например: юридическое лицо, операция по чеку, чек по операции, срочный вопрос, группа компаний, стратегия развития.
Выходные параметры
...
- Результат Результат показывает процент точности обученной модели, полученный путем сравнения тестовой и тренировочной выборки в процентном соотношении
Настройки
Свойство | Описание | Тип данных | Пример заполнения | Обязательное |
---|---|---|---|---|
Параметры | ||||
Данные для обучения | Путь к папке с данными для обучения модели классификации. Внутри папки содержатся подпапки, названия которых – это название класса. Внутри каждой подпапки должны быть txt-файлы с различными текстами, которые соответствуют классу. | Robin.FolderPath | Да | |
Папка с результатом | Путь к папке, в которую будет сохранена обученная модель классификации. | Robin.FolderPath | Да | |
Метод | Метод, который будет использоваться для обучения модели классификации. | Robin.String | Да | |
Перезаписать | Если значение "true", и в папке с результатом уже существует файл с таким же именем и расширением, то он будет перезаписан. Если "false", файл перезаписан не будет, и действие вернет ошибку. | Robin.Boolean | Нет | |
Стоп-слова | Путь к txt-файлу, который содержит стоп-слова, которые не будут учитываться при обучении модели классификации. Каждое стоп-слово должно быть записано на новой строке. | Robin.FilePath | Нет | |
Словосочетания | Путь к txt-файлу, содержащему словосочетания, которые при обучении модели важно не разделять на отдельные слова для сохранения смысла всей фразы. Каждое словосочетание должно быть записано на новой строке. | Robin.FilePath | Нет | |
Результаты | ||||
Результат | Процент точности обученной модели. | Robin.Numeric |
Особые условия использования
- В списке при смене языка студии на английский "Выбрать наиболее подходящий" сменяется на "Choose the most suitable", остальные варианты остаются на английском.
- При невыполнении условий проверки параметров робот будет выдавать следующие сообщения об ошибках:
Возможные доработки
...
Условие | Исключение | Текст сообщений об ошибках |
---|---|---|
Проверки для параметра "Путь к исходной папке" | ||
Если в имени пути превышена допустимая длина | ValidationError | Превышено ограничение на длину имени пути "{folder_path}" |
Если в имени пути используются недопустимые символы | ValidationError | Недопустимые символы в имени пути "{folder_path}" |
Если директория не найдена | DirectoryNotFound | Директория "{folder_path}" не найдена |
Если путь не является директорией | DirectoryNotFound | Ресурс "{folder_path}" не является директорией |
Если к папке нет доступа | DirectoryNotAvailable | Ошибка доступа к "{folder_path}" для чтения |
Проверки для параметра "Путь к папке с результатом" | ||
Если в имени пути превышена допустимая длина | ValidationError | Превышено ограничение на длину имени пути "{folder_path}" |
Если в имени пути используются недопустимые символы | ValidationError | Недопустимые символы в имени пути "{folder_path}" |
Если директория не найдена | DirectoryNotFound | Директория "{folder_path}" не найдена |
Если путь не является директорией | DirectoryNotFound | Ресурс "{folder_path}" не является директорией |
Если у папки нет доступа | DirectoryNotAvailable | Ошибка доступа к "{folder_path}" для записи |
Проверка для файла machine_model.pkl, который будет сохранен в "Путь к папке с результатом" | ||
Если файл уже существует и не выбран параметр "Перезаписать" | FileAlreadyExists | Файл по пути: {result_file_path} уже существует |
Проверка для файла tfidf_model.pk, который будет сохранен в "Путь к папке с результатом" | ||
Если файл уже существует и не выбран параметр "Перезаписать" | FileAlreadyExists | Файл по пути: {result_file_path} уже существует |
Проверка для параметра "Пользовательские стоп-слова" | ||
Если в имени пути превышена допустимая длина | ValidationError | Превышено ограничение на длину имени пути "{folder_path}" |
Если в имени пути используются недопустимые символы | ValidationError | Недопустимые символы в имени пути "{folder_path}" |
Если файл не найден | FileNotFound | Файл "{file_path}" не найден |
Если путь не является файлом | FileNotFound | Ресурс "{folder_path}" не является файлом |
Если у файла нет доступа | FileNotAvailable | Ошибка доступа к "{folder_path}" для чтения |
Ошибка чтения файла, например неправильная кодировка | ValidationError | Ошибка чтения .txt файла по пути {filepath}: {ex} |
У входного файла расширение не .txt | ValidationError | Файл по пути {list_words_path} имеет неверное расширение. Допустимые значения: .txt |
Проверка для параметра "Словосочетания" | ||
Если в имени пути превышена допустимая длина | ValidationError | Превышено ограничение на длину имени пути "{folder_path}" |
Если в имени пути используются недопустимые символы | ValidationError | Недопустимые символы в имени пути "{folder_path}" |
Если файл не найден | FileNotFound | Файл "{file_path}" не найден |
Если путь не является файлом | FileNotFound | Ресурс "{folder_path}" не является файлом |
Если у файла нет доступа | FileNotAvailable | Ошибка доступа к "{folder_path}" для чтения |
Ошибка чтения файла, например неправильная кодировка | ValidationError | Ошибка чтения .txt файла по пути {filepath}: {ex} |
У входного файла расширение не .txt | ValidationError | Файл по пути {list_words_path} имеет неверное расширение. Допустимые значения: .txt |
Если после прохода по папкам и очистки текстов нет ни одного текста для обучения | ValidationError | Ошибка входных данных: нет подходящих данных или данные пустые |
Данные для контракта действия:
...
Название
...
Название (англ)
...
Обязательное
...
Описание
...
Описание (англ)
...
Тип данных
...
Примечание
...
Действие обучает модель классификации текста.
...
Да
...
Более подробно о методах обучения модели классификации можно посмотреть тут:
Примеры использования
...
каждой папке папка с классом.
там
...
Если встретится другой формат, не обрабатываем, пропускаем.
...
Пример параметра "Для обучения" - дерево объектов:
...
Исходная папка:
в ней классы:
в классах:
...
Путь к папке, в которую будет сохранена обученная модель классификации.
...
The path to the folder where the trained classification model will be saved.
...
В указанной папке будет создано 2 файла: machine_model.pkl – модель машинного обучения, и tfidf_model.pk – сохранение словаря, токены.
UC Действие "Обучить модель классификации"
- Все параметры настроены верно:
- Указаны неверные пути в:
- Указаны неверные форматы файлов в:
- Обученная модель (файлы) уже существует в указанном пути "Папка с результатом", но выключено "Перезаписать":
- В папке "Данные для обучения" нет файлов для обучения:
Все параметры настроены верно:
- "Данные для обучения" - Папка с результатом с необходимой структурой данных,
- "Папка с результатом" - существующая папка.
Установить действие группы Robin AI «Обучить модель классификации» на рабочую область;
- Корректно настроить параметры действия;
- Запустить робота.
Результат: Робот сохранить обученную модель в указанной папке,
Указаны неверные пути в:
- "Данные для обучения";
- "Папка с результатом";
- "Стоп-слова";
- "Словосочетания".
Установить действие группы Robin AI «Обучить модель классификации» на рабочую область;
- Корректно настроить параметры действия;
- Запустить робота.
Результат: Робот вернет ошибку, связанную с несуществующим адресом папки/файла.
Указаны неверные форматы файлов в:
- "Стоп-слова";
- "Словосочетания".
Установить действие группы Robin AI «Обучить модель классификации» на рабочую область;
- Корректно настроить параметры действия;
- Запустить робота.
Результат: Робот вернет ошибку, так как не может прочитать файлы.
Обученная модель (файлы) уже существует в указанном пути "Папка с результатом", но выключено "Перезаписать":
Установить действие группы Robin AI «Обучить модель классификации» на рабочую область;
- Корректно настроить параметры действия. Не включать "Перезаписать";
- Запустить робота.
Результат: Робот вернет ошибку, так как не может записать файлы.
В папке "Данные для обучения" нет файлов для обучения:
Установить действие группы Robin AI «Обучить модель классификации» на рабочую область;
- Корректно настроить параметры действия.
- Запустить робота.
Результат: Робот вернет ошибку.
...
Метод, который будет использоваться для обучения модели классификации.
...
The method that will be used to train the classification model.
...
Список методов:
- Выбрать наиболее подходящий – Choose the most suitable
- SVC
- RandomForest
- GradientBoosting
- AdaBoost
- DecisionTree
- KNeighboors
- Naive Bayes
В списке при смене языка студии на английский "Выбрать наиболее подходящий" сменяется на "Choose the most suitable", остальные варианты остаются на английском.
...
Перезаписать
...
Файлы machine_model.pcl and tiff_model.pk должны быть уникальны в указанной папке.
...
Стоп-слова
...
Путь к txt-файлу, который содержит стоп-слова, которые не будут учитываться при обучении модели классификации. Каждое стоп-слово должно быть записано на новой строке.
...
The path to the txt file that contains stop words that will not be taken into account when training the classification model. Each stop word must be written on a new line.
...
Слова, несущие мало смысла для классификации, но часто встречающиеся, напр, в письмах:
- Доброе утро!
- Добрый день!
- С уважением,
- tel:
- email:
...
Словосочетания нужны указания важности фразы целиком, без разделения по словам.
Например: юридическое лицо, операция по чеку, чек по операции, срочный вопрос, группа компаний, стратегия развития.
...
Возможные доработки
Вместо действия реализовать графический интерфейс, по типу обновления драйверов для браузера.
Принимать .msg.
Use-cases
UC Действие "Обучить модель классификации"
Станьте первыми кому понравится это
Написать комментарий...
Обучить модель классификации / Train classification model
Группа действий: Robin AI
...