Mulai sekarangMulai gratis

Klasifikasi artikel berita

Pada latihan ini Anda akan membuat model klasifikasi multi-kelas.

Himpunan data sudah dimuat di lingkungan sebagai news_novel. Selain itu, seluruh prapemrosesan data latih sudah dilakukan dan tokenizer juga tersedia di lingkungan.

Sebuah model RNN telah dipra-latih dengan arsitektur berikut: gunakan lapisan Embedding, satu lapisan LSTM, dan lapisan keluaran Dense yang mengharapkan tiga kelas: sci.space, alt.atheism, dan soc.religion.christian. Bobot dari model terlatih ini tersedia pada berkas classify_news_weights.h5.

Anda akan melakukan prapemrosesan pada data baru dan mengevaluasinya pada himpunan data baru news_novel.

Latihan ini merupakan bagian dari kursus

Recurrent Neural Networks (RNN) untuk Pemodelan Bahasa dengan Keras

Lihat Kursus

Instruksi latihan

  • Transformasikan data pada news_novel.data menggunakan tokenizer yang telah dimuat.
  • Lakukan padding pada deret indeks numerik yang diperoleh.
  • Ubah label pada news_novel.target menjadi representasi one-hot.
  • Evaluasi model menggunakan metode .evaluate() dan cetak nilai loss dan akurasi yang diperoleh.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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(____, ____))
Edit dan Jalankan Kode