История страницы
Обучить модель
...
классификации Версия 1 (
...
Python)
Группа "Robin AI", подгруппа "Классификатор (ROBIN)"
...
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
...
и их настройка
Свойство | Описание | Тип | Пример заполнения | Обязательность заполнения поля |
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 |
...
Путь к папке | C:\Users\123\OneDrive\Рабочий стол\Папка с текстами | Да | |
Папка с результатом | Путь |
...
к папке, в которую будет сохранена обученная модель классификации |
...
Путь к папке | C:\Users\123\OneDrive\Рабочий стол\Индексация | Да | |
Метод | Метод |
...
, который будет использоваться для обучения модели классификации. |
...
Значение по умолчанию – RandomForest |
...
Параметр содержит следующие методы:
|
...
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.
Настройки
...
Строка | AdaBoost | 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 | Логический | true | 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 | Путь к файлу | C:\Users\123\OneDrive\Рабочий стол\Стоп-слова.txt | 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 | Путь к файлу | C:\Users\123\OneDrive\Рабочий стол\Словосочетания.txt | Нет |
Результаты | ||||
Результат | Процент точности обученной модели | Число |
Особые условия использования
...
Имеется исходная папка "result":
В папке расположены подпапки-классы для обучения классификатора:
В каждой папке расположены txtрасположены txt-файлы с различными текстами, которые соответствуют классу:
Также имеются текстовые файлы со стоп-словами.
и со словосочетаниями.
Необходимо Необходимо обучить модель классификации на имеющихся данных, сохранить сохранить обученную модель классификации в классификации в папку "Модель классификации"
и вывести процент точности обученной модели в переменной "Результат" через диалоговое окно.
...
- Создать переменную "Результат" с типом "Число".
- Перетащить на рабочую область действие "Обучить модель классификации".
- Заполнить параметры действия "Обучить модель классификации".
Добавить в соответствующие поля параметров пути к папкам и файлам и выбрать метод.
В результат добавить переменную "Результат": - Перетащить на рабочую область действие "Сообщение".
- Заполнить параметры действия "Сообщение".
- Нажать на кнопку "Старт" в верхней панели.
...
Создана модель классификации, включающая в себя 2 файла: machine_model.pkl – модель машинного обучения и tfidf_model.pk – сохранение словаря, токены.
Процент точности обученной модели записан в переменную "Результат" и выведен в диалоговое окно.