1. Learn
    2. /
  2. Курси
    3. /
  3. Recurrent Neural Networks (RNNs) для моделювання мови з Keras
Connected

Вправа

Аналіз сентименту

У відео Ви ознайомилися з різними застосуваннями моделей типу sequence-to-sequence. У цій вправі ви побачите, як використати попередньо натреновану модель для аналізу сентименту.

Модель завантажено в середовище в змінну model. Також доступні токенізовані змінні тестового набору X_test і y_test та попередньо оброблені вихідні текстові дані sentences з IMDb. Пізніше в курсі ви дізнаєтеся, як попередньо обробляти текстові дані та як створювати й тренувати модель за допомогою Keras.

Ви використаєте попередньо натреновану модель, щоб отримати передбачення сентименту. Модель повертає число між нулем і одиницею, що означає ймовірність того, що речення має позитивний настрій. Тож ви створите правило прийняття рішення, щоб позначити передбачення як позитивне або негативне.

Інструкції

100 XP
  • Скористайтеся методом .predict(), щоб зробити передбачення на тестових даних.
  • Встановіть передбачення рівним "positive", якщо його значення більше за 0.5, і "negative" — інакше, та збережіть результат у змінній pred_sentiment.
  • Створіть pd.DataFrame, що містить попередньо оброблений текст, передбачення з попереднього кроку та їхні справжні значення зі змінної y_test.
  • Виведіть перші рядки за допомогою методу .head().