Çok sınıflı sınıflandırma modelleri

Keras ile Dil Modellemesi için Yinelenen Sinir Ağları (RNN)

David Cecchini

Data Scientist

Duygu sınıflandırma modelinin özeti

# Build and compile the model
model = Sequential()

model.add(Embedding(10000, 128))

model.add(LSTM(128, dropout=0.2))

model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

Model mimarisi

Aynı mimari kullanılabilir

# Build the model
model = Sequential()
model.add(Embedding(10000, 128))
model.add(LSTM(128, dropout=0.2))

# Output layer has `num_classes` units and uses `softmax`
model.add(Dense(num_classes, activation="softmax"))

# Compile the model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
...

20 News Group veri seti

20 News Groups veri seti

sklearn.datasets import fetch_20newsgroups ile kullanılabilir

# Veriyi yükleme fonksiyonunu içe aktarın
from sklearn.datasets import fetch_20newsgroups

# Eğitim ve test setlerini indirin
news_train = fetch_20newsgroups(subset='train')

news_test = fetch_20newsgroups(subset='test')

20 News Group veri seti

Veride şu öznitelikler vardır:

news_train.DESCR: Belgeler.
news_train.data: Metin verisi.
news_train.filenames: Diskte dosya yolları.
news_train.target: Sınıfların sayısal indeksleri.
news_train.target_names: Sınıfların benzersiz adları.

Metin verisini ön işleme

# Import modules
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.utils import to_categorical

# Tokenizer oluşturup eğitin
tokenizer = Tokenizer()
tokenizer.fit_on_texts(news_train.data)

# (X, Y) değişkenlerini oluşturun
X_train = tokenizer.texts_to_sequences(news_train.data)
X_train = pad_sequences(X_train, maxlen=400)
Y_train = to_categorical(news_train.target)

Veri üzerinde eğitim

Modeli eğitim verisiyle eğitin

# Train the model
model.fit(X_train, Y_train, 
          batch_size=64, epochs=100)

# Evaluate on test data
model.evaluate(X_test, Y_test)

Haydi pratik yapalım!

Keras ile Dil Modellemesi için Yinelenen Sinir Ağları (RNN)