शुरू करेंमुफ़्त में शुरू करें

आपके डेटा पर मॉडल का प्रदर्शन

इस अभ्यास में, आप अपने डेटा पर किसी मौजूदा मॉडल का मूल्यांकन करना सीखेंगे. यहाँ लक्ष्य एक विशेष entity लेबल PRODUCT पर मॉडल के प्रदर्शन को जाँचना है. अगर कोई मॉडल PRODUCT entities का बड़ा प्रतिशत सही ढंग से वर्गीकृत कर पाता है (जैसे 75% से अधिक), तो आपको PRODUCT entities के उदाहरणों पर मॉडल को ट्रेन करने की ज़रूरत नहीं है. अन्यथा, आपको PRODUCT entity की भविष्यवाणी पर प्रदर्शन सुधारने के लिए मॉडल को ट्रेन करने पर विचार करना चाहिए.

आप इस अभ्यास के लिए Amazon Fine Food Reviews डेटासेट से दो रिव्यूज़ का उपयोग करेंगे. आप इन रिव्यूज़ को texts लिस्ट के माध्यम से एक्सेस कर सकते हैं.

en_core_web_sm मॉडल पहले से लोड है. आप इसे nlp() कॉल करके एक्सेस कर सकते हैं. मॉडल को texts लिस्ट पर पहले ही चलाया जा चुका है और documents नाम की Doc कंटेनरों की एक लिस्ट आपके उपयोग के लिए उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

spaCy के साथ Natural Language Processing

पाठ्यक्रम देखें

अभ्यास निर्देश

  • हर documents के लिए सभी entities की एक target_entities लिस्ट तैयार करें, और केवल उसी स्थिति में (entity का टेक्स्ट, entity का लेबल) वाला tuple append करें जब entity के टेक्स्ट में Jumbo मौजूद हो.
  • target_entities में मौजूद किसी भी tuple के लिए, अगर entity का लेबल (tuple का दूसरा एट्रिब्यूट) PRODUCT है तो correct_labels लिस्ट में True append करें, अन्यथा False append करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Append a tuple of (entities text, entities label) if Jumbo is in the entity
target_entities = []
for doc in ____:
  target_entities.extend([(ent.____, ent.____) for ent in doc.____ if "Jumbo" in ent.text])
print(target_entities)

# Append True to the correct_labels list if the entity label is `PRODUCT`
correct_labels = []
for ent in target_entities:
  if ____[1] == "PRODUCT":
    correct_labels.append(____)
  else:
    correct_labels.append(____)
print(correct_labels)
कोड संपादित करें और चलाएँ