เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมข้อมูลล่วงหน้า

คุณได้เรียนรู้ความแตกต่างของการเตรียมข้อมูลสำหรับ multi-class classification แล้ว มาลองนำไปใช้จริงด้วยการเตรียมข้อมูลเพื่อสร้างโมเดล multi-class classification แบบง่าย

ชุดข้อมูลถูกโหลดไว้ในตัวแปร news_dataset และมีแอตทริบิวต์ดังนี้:

  • news_dataset.data: อาร์เรย์ที่เก็บข้อความ
  • news_dataset.target: อาร์เรย์ที่เก็บหมวดหมู่เป้าหมายในรูปแบบดัชนีตัวเลข

ข้อมูลตัวอย่างมีทั้งหมด 5,000 รายการ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Recurrent Neural Networks (RNNs) สำหรับ Language Modeling ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง instance ของคลาส Tokenizer แล้วเก็บไว้ในตัวแปร tokenizer
  • Fit ตัวแปร tokenizer กับข้อมูลข้อความ
  • ใช้เมธอด .texts_to_sequences() กับข้อมูลข้อความ
  • ใช้ฟังก์ชัน to_categorical() เพื่อเตรียมดัชนีเป้าหมาย

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด