История страницы
...
Задача классификации - определение типа объекта из двух или более существующих классов.
В зависимости от задачи классификации подбираются подходящие типы классификаторов.
Более подробно о методах классификации можно посмотреть здесь: Обзор методов классификации в машинном обучении с помощью Scikit-Learn (tproger.ru)
...
Параметры
Входные параметры
Данные для
...
обучения путь к папке с данными для обучения модели классификации.
Внутри папки содержатся подпапки с классами, названия которых – это название класса. Внутри каждой подпапки должны быть файлы формата .txt.
с различными текстами, которые соответствуют классу. Форматы текстов создаются Пользователем.
Папка с
...
результатом путь к папке, в которую будет сохранена обученная модель классификации.
В указанной папке в результате работы действия 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.
Значение по умолчанию – RandomForest. Методы базируются на различных алгоритмах классификации.
Параметр содержит следующие методы:
- Выбрать наиболее подходящий
- SVC (Support Vector Machines) – метод опорных векторов
- RandomForest – метод случайного леса
- GradientBoosting – градиентный бустинг
- AdaBoost (Adaptive Boosting) – адаптивный бустинг
- DecisionTree (Decision Tree Classifier) – классификатор дерева решений
- KNeighboors (K-Nearest Neighbors) – метод k-ближайших соседей
- Naive Bayes – наивный байесовский метод
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 выдаст 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. 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.
...
Обзор
Инструменты контента