Обучить модель классификации

Обучить модель классификации Версия 1 (Python)

Группа "Robin AI", подгруппа "Классификатор (ROBIN)"

Описание

Данное действие обучает модель классификации текста.

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)

Иконка действия

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: 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	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

Особых условий нет.

Пример использования

Задача

Имеется исходная папка "result":

В папке расположены подпапки-классы для обучения классификатора:

В каждой папке расположены txt-файлы с различными текстами, которые соответствуют классу:

Также имеются текстовые файлы со стоп-словами.

и со словосочетаниями.

Необходимо обучить модель классификации на имеющихся данных, сохранить обученную модель классификации в папку "Модель классификации"
и вывести процент точности обученной модели в переменной "Результат" через диалоговое окно.

Решение

Воспользоваться действиями "Обучить модель классификации" и "Сообщение".

Реализация

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.