1. Nauka
    2. /
  2. Kursy
    3. /
  3. Rekurencyjne sieci neuronowe (RNN) do modelowania języka w Keras
Connected

ćwiczenie

Analiza sentymentu

W ćwiczeniu wideo poznałeś różne zastosowania modeli sekwencja-do-sekwencji. W tym ćwiczeniu zobaczysz, jak używać wstępnie wytrenowanego modelu do analizy sentymentu.

Model jest wstępnie załadowany do środowiska w zmiennej model. Dostępne są również zmienne X_test i y_test zawierające stokenizowany zbiór testowy oraz wstępnie przetworzone dane tekstowe sentences z bazy IMDb. Sposobu przetwarzania danych tekstowych oraz tworzenia i trenowania modelu przy użyciu Keras nauczysz się w dalszej części kursu.

Użyjesz wstępnie wytrenowanego modelu, aby uzyskać predykcje sentymentu. Model zwraca liczbę z przedziału od zera do jednego, reprezentującą prawdopodobieństwo pozytywnego wydźwięku zdania. Na tej podstawie zdefiniujesz regułę decyzyjną, która zakwalifikuje predykcję jako pozytywną lub negatywną.

Instrukcje

100 XP
  • Użyj metody .predict(), aby uzyskać predykcje na danych testowych.
  • Przypisz predykcji wartość "positive", jeśli jest większa niż 0.5, albo "negative" w przeciwnym razie i zapisz wynik w zmiennej pred_sentiment.
  • Utwórz obiekt pd.DataFrame zawierający wstępnie przetworzone teksty, predykcje uzyskane w poprzednim kroku oraz prawdziwe wartości ze zmiennej y_test.
  • Wyświetl pierwsze wiersze, używając metody .head().