Začněte nyníZačněte zdarma

Klasifikace zpravodajských článků

V tomto cvičení vytvoříš model pro multi-class klasifikaci.

Dataset je v prostředí již načtený jako news_novel. Veškeré předzpracování trénovacích dat je hotové a v prostředí je dostupný také tokenizer.

Model RNN byl předtrénován s následující architekturou: vrstva Embedding, jedna vrstva LSTM a výstupní vrstva Dense očekávající tři třídy: sci.space, alt.atheism a soc.religion.christian. Váhy tohoto natrénovaného modelu jsou k dispozici v souboru classify_news_weights.h5.

Tvým úkolem je předzpracovat nová data a vyhodnotit model na datasetu news_novel.

Toto cvičení je součástí kurzu

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras

Zobrazit kurz

Pokyny k cvičení

  • Transformuj data z news_novel.data pomocí načteného tokenizeru.
  • Doplň získané sekvence numerických indexů paddingem.
  • Převeď štítky z news_novel.target do reprezentace one-hot.
  • Vyhodnoť model pomocí metody .evaluate() a vypiš výslednou ztrátu a přesnost.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Change text for numerical ids and pad
X_novel = tokenizer.texts_to_sequences(____)
X_novel = pad_sequences(____, maxlen=400)

# One-hot encode the labels
Y_novel = to_categorical(____)

# Load the model pre-trained weights
model.load_weights('classify_news_weights.h5')

# Evaluate the model on the new dataset
loss, acc = model.____(X_novel, Y_novel, batch_size=64)

# Print the loss and accuracy obtained
print("Loss:\t{0}\nAccuracy:\t{1}".format(____, ____))
Upravit a spustit kód