शुरू करेंमुफ़्त में शुरू करें

डेटा प्री-प्रोसेस करें

आपने multi-class classification के मामले में डेटा प्री-प्रोसेस करने के अंतर सीखे. अब इसे अभ्यास में लागू करें और एक साधारण multi-class classification मॉडल बनाने की तैयारी में डेटा को प्री-प्रोसेस करें.

डेटासेट news_dataset वैरिएबल में लोड है, और इसमें ये attributes हैं:

  • news_dataset.data: टेक्स्ट्स वाला array
  • news_dataset.target: target categories के numerical indexes वाला array

सैंपल डेटा में 5,000 observations हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Tokenizer क्लास को tokenizer वैरिएबल पर instantiate करें.
  • टेक्स्ट डेटा पर tokenizer वैरिएबल को fit करें.
  • टेक्स्ट डेटा पर .texts_to_sequences() मेथड का उपयोग करें.
  • target indexes तैयार करने के लिए to_categorical() फंक्शन का उपयोग करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Create and fit tokenizer
tokenizer = ____
tokenizer.fit_on_texts(____)

# Prepare the data
prep_data = tokenizer.____(news_dataset.data)
prep_data = pad_sequences(prep_data, maxlen=200)

# Prepare the labels
target_labels = to_categorical(____)

# Print the shapes
print(prep_data.shape)
print(target_labels.shape)
कोड संपादित करें और चलाएँ