शुरू करेंमुफ़्त में शुरू करें

समाचार लेखों का वर्गीकरण

इस अभ्यास में आप एक मल्टी-क्लास क्लासिफिकेशन मॉडल बनाएँगे.

डेटासेट पहले से ही वातावरण में news_novel के रूप में लोड है. साथ ही, प्रशिक्षण डेटा का सारा प्री-प्रोसेसिंग किया जा चुका है और tokenizer भी वातावरण में उपलब्ध है.

एक RNN मॉडल को निम्न आर्किटेक्चर पर प्री-ट्रेन किया गया था: Embedding लेयर, एक LSTM लेयर, और आउटपुट Dense लेयर जो तीन क्लास की अपेक्षा करता है: sci.space, alt.atheism, और soc.religion.christian. इस प्रशिक्षित मॉडल के वेट्स classify_news_weights.h5 फ़ाइल में उपलब्ध हैं.

आप नए डेटा का प्री-प्रोसेस करेंगे और नए डेटासेट news_novel पर मूल्यांकन करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

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

पाठ्यक्रम देखें

अभ्यास निर्देश

  • news_novel.data में उपस्थित डेटा को लोड किए गए tokenizer से ट्रांसफॉर्म करें.
  • प्राप्त संख्यात्मक इंडेक्स वाली सिक्वेंस को पैड करें.
  • news_novel.target में उपस्थित लेबल्स को one-hot निरूपण में बदलें.
  • .evaluate() मेथड का उपयोग करके मॉडल का मूल्यांकन करें और प्राप्त loss तथा accuracy प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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(____, ____))
कोड संपादित करें और चलाएँ