เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

จำแนกประเภทบทความข่าว

ในแบบฝึกหัดนี้ คุณจะสร้างโมเดล multi-class classification

ชุดข้อมูลถูกโหลดไว้ในสภาพแวดล้อมแล้วในชื่อ news_novel และการ pre-processing ข้อมูลการฝึกทั้งหมดก็เสร็จสิ้นแล้ว โดย tokenizer พร้อมใช้งานในสภาพแวดล้อมเช่นกัน

โมเดล RNN ถูก pre-trained ไว้ด้วยสถาปัตยกรรมดังนี้: ใช้ layer Embedding, layer LSTM หนึ่งชั้น และ layer Dense สำหรับ output ที่รองรับ 3 คลาส ได้แก่ sci.space, alt.atheism และ soc.religion.christian โดย weight ของโมเดลที่ฝึกแล้วอยู่ในไฟล์ classify_news_weights.h5

ให้ pre-process ข้อมูลใหม่และประเมินผลบนชุดข้อมูล news_novel

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Recurrent Neural Networks (RNNs) สำหรับ Language Modeling ด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แปลงข้อมูลใน news_novel.data โดยใช้ tokenizer ที่โหลดไว้
  • เติม padding ให้กับ sequence ของ index ตัวเลขที่ได้
  • แปลง label ใน news_novel.target ให้อยู่ในรูปแบบ one-hot
  • ประเมินโมเดลด้วยเมธอด .evaluate() และแสดงค่า loss และ accuracy ที่ได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____, ____))
แก้ไขและรันโค้ด