सेंटिमेंट एनालिसिस
वीडियो अभ्यास में, आपने सीक्वेंस-टू-सीक्वेंस मॉडलों के विभिन्न उपयोग देखे. इस अभ्यास में आप सेंटिमेंट एनालिसिस के लिए एक प्री-ट्रेन्ड मॉडल का उपयोग करना देखेंगे.
मॉडल वातावरण में model वैरिएबल पर पहले से लोड है. साथ ही, टोकनाइज़ किया हुआ टेस्ट सेट X_test और y_test तथा IMDb का प्री-प्रोसेस्ड मूल टेक्स्ट डेटा sentences भी उपलब्ध है. आप इस कोर्स में आगे चलकर सीखेंगे कि टेक्स्ट डेटा को कैसे प्री-प्रोसेस करना है और Keras का उपयोग करके मॉडल कैसे बनाना और ट्रेन करना है.
आप प्री-ट्रेन्ड मॉडल का उपयोग करके सेंटिमेंट की प्रेडिक्शन प्राप्त करेंगे. मॉडल 0 और 1 के बीच एक संख्या लौटाता है जो किसी वाक्य के पॉजिटिव सेंटिमेंट होने की प्रॉबेबिलिटी दर्शाती है. इसलिए, आप एक निर्णय नियम बनाएँगे जो प्रेडिक्शन को पॉजिटिव या नेगेटिव सेट करे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ भाषा मॉडलिंग के लिए Recurrent Neural Networks (RNNs)
अभ्यास निर्देश
- टेस्ट डेटा पर प्रेडिक्शन करने के लिए
.predict()मेथड का उपयोग करें. - यदि प्रेडिक्शन का मान
0.5से बड़ा हो तो उसे"positive"रखें, अन्यथा"negative", और परिणामpred_sentimentवैरिएबल में स्टोर करें. - एक
pd.DataFrameबनाएँ जिसमें प्री-प्रोसेस्ड टेक्स्ट, पिछले चरण में प्राप्त प्रेडिक्शन, औरy_testवैरिएबल में दिए गए उनके सही मान शामिल हों. .head()मेथड का उपयोग करके शुरुआती पंक्तियाँ प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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.____)