शुरू करेंमुफ़्त में शुरू करें

tf/idf वेक्टर का उपयोग करके टेक्स्ट क्लासिफिकेशन

अब जब आपने volunteer डेटासेट के title कॉलम को tf/idf वेक्टर में एन्कोड कर लिया है, तो आप इन वेक्टरों का उपयोग category_desc कॉलम की भविष्यवाणी करने के लिए करेंगे।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Machine Learning के लिए Preprocessing

पाठ्यक्रम देखें

अभ्यास निर्देश

  • text_tfidf वेक्टर और लक्ष्य वैरिएबल y को training और test सेट में बाँटें, और stratify पैरामीटर को y के बराबर सेट करें, क्योंकि class वितरण असमान है। ध्यान दें कि scikit-learn के लिए सही फ़ॉर्मैट पाने के लिए हमें tf/idf वेक्टर पर .toarray() मेथड चलानी पड़ती है.
  • X_train और y_train डेटा को Naive Bayes मॉडल nb पर फिट करें।
  • test सेट की accuracy प्रिंट करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Split the dataset according to the class distribution of category_desc
y = volunteer["category_desc"]
X_train, X_test, y_train, y_test = ____(____.toarray(), ____, ____=____, random_state=42)

# Fit the model to the training data
nb.____(____, ____)

# Print out the model's accuracy
print(nb.____(____, ____))
कोड संपादित करें और चलाएँ