Začněte nyníZačněte zdarma

Analýza sentimentu

Ve video lekci ses seznámil/a s různými aplikacemi modelů typu sekvence na sekvenci. V tomto cvičení uvidíš, jak použít předtrénovaný model pro analýzu sentimentu.

Model je předem načtený v prostředí v proměnné model. K dispozici jsou také proměnné tokenizované testovací sady X_test a y_test a předzpracovaná původní textová data sentences z IMDb. Jak předzpracovat textová data a jak model vytvořit a natrénovat pomocí Keras, se dozvíš později v kurzu.

Předtrénovaný model použiješ k získání předpovědí sentimentu. Model vrací číslo mezi nulou a jedničkou, které představuje pravděpodobnost, že má věta pozitivní sentiment. Na základě toho vytvoříš rozhodovací pravidlo, které předpověď zařadí jako pozitivní nebo negativní.

Toto cvičení je součástí kurzu

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras

Zobrazit kurz

Pokyny k cvičení

  • Použij metodu .predict() k získání předpovědí na testovacích datech.
  • Nastav předpověď na "positive", pokud je její hodnota větší než 0.5, a na "negative" v opačném případě, a výsledek ulož do proměnné pred_sentiment.
  • Vytvoř pd.DataFrame obsahující předzpracovaný text, předpověď získanou v předchozím kroku a skutečné hodnoty uložené v proměnné y_test.
  • Vypiš první řádky pomocí metody .head().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Inspect the first sentence on `X_test`
print(X_test[0])

# Get the predicion for all the sentences
pred = model.predict(____)

# Transform the predition into positive (> 0.5) or negative (<= 0.5)
pred_sentiment = ["positive" if x>____ else "negative" for x in pred]

# Create a data frame with sentences, predictions and true values
result = pd.DataFrame({'sentence': sentences, 'y_pred': ____, 'y_true': y_test})

# Print the first lines of the data frame
print(result.____)
Upravit a spustit kód