TF-IDF फ़ीचर पर प्रशिक्षण
scikit-learn में वर्गीकारक को फ़िट करें
TF-IDF फ़ीचर पर प्रशिक्षण, CoddyKit पर NLP Academy का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह NLP Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। NLP Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
पहले पाठ से संख्याओं तक
कोई मॉडल कच्चे वाक्य नहीं पढ़ सकता। पहले दस्तावेज़ों को TF-IDF सदिशों में बदलिए, फिर उन संख्याओं पर लॉजिस्टिक रिग्रेशन को प्रशिक्षित कीजिए। 🔢
सदिशकारक को प्रशिक्षित करें
TfidfVectorizer प्रशिक्षण-पाठ से आपकी शब्दावली और भार सीखता है। एक बार चलाने पर यह स्ट्रिंग की सूची को विशेषता मैट्रिक्स में बदल देता है।
from sklearn.feature_extraction.text import TfidfVectorizer
vec = TfidfVectorizer()
X = vec.fit_transform(train_texts)लेबल अलग रहते हैं
आपकी विशेषताएँ X पाठ से आती हैं, लेकिन आपके लेबल y आपकी ओर से आते हैं। प्रत्येक दस्तावेज़ के लिए सही वर्ग, जैसे स्पैम या गैर-स्पैम, आवश्यक है।
प्रशिक्षण से पहले विभाजित करें
एक परीक्षण समुच्चय अलग रखिए, ताकि आप निष्पक्ष रूप से मूल्यांकन कर सकें। train_test_split कुछ डेटा को मूल्यांकन के बिल्कुल अंत तक अनदेखा रखता है।
from sklearn.model_selection import train_test_split
X_tr, X_te, y_tr, y_te = train_test_split(X, y)Fit का अर्थ सीखना है
fit चलाने पर लॉजिस्टिक रिग्रेशन प्रशिक्षण डेटा में आपके वर्गों को सबसे अच्छी तरह अलग करने वाले शब्द-भार खोजता है।
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression(max_iter=1000)
clf.fit(X_tr, y_tr)चेतावनी मिलने पर max_iter बढ़ाएँ
पाठ में कई विशेषताएँ होती हैं, इसलिए समाधानकर्ता को अधिक चरणों की आवश्यकता हो सकती है। max_iter बढ़ाने से दिखाई देने वाली सामान्य अभिसरण चेतावनी दूर हो जाती है।
नए सदिशों पर पूर्वानुमान लगाएँ
नए पाठ का वर्गीकरण करने के लिए उसे उसी प्रशिक्षित सदिशकारक से रूपांतरित कीजिए, फिर predict चलाइए। परीक्षण डेटा पर सदिशकारक को कभी दोबारा प्रशिक्षित न करें।
preds = clf.predict(X_te)परीक्षण पर रूपांतरित करें, प्रशिक्षित नहीं
परीक्षण-पाठ के लिए transform का उपयोग होता है, fit_transform का नहीं। दोबारा प्रशिक्षण से परीक्षण की जानकारी लीक हो जाएगी और आपके स्कोर चुपचाप बढ़ जाएँगे।
सटीकता जाँचें
एक त्वरित score कॉल अलग रखे गए समुच्चय की सटीकता देती है। यह आपका पहला संकेत है कि प्रशिक्षण वास्तव में सफल हुआ।
print(clf.score(X_te, y_te))समान चरण एकरूप रहते हैं
प्रशिक्षण और पूर्वानुमान में बिल्कुल एक ही शब्दावली होनी चाहिए। हर जगह एक ही प्रशिक्षित सदिशकारक का उपयोग करने से विशेषता स्तंभ एक-दूसरे के अनुरूप रहते हैं।
पाइपलाइन आपकी सहायता करती है
सदिशकारक और मॉडल को एक पाइपलाइन में लपेटने से रूपांतरण और पूर्वानुमान अपने-आप क्रम में जुड़ जाते हैं, इसलिए आप कोई चरण नहीं भूलते।
from sklearn.pipeline import make_pipeline
pipe = make_pipeline(TfidfVectorizer(), LogisticRegression())त्वरित जाँच
पूर्वानुमान लगाने से पहले आपको परीक्षण-पाठ कैसे तैयार करना चाहिए?
पुनरावलोकन: सदिशों में बदलें, फिर प्रशिक्षित करें
पाठ को TF-IDF से सदिशों में बदलिए, विभाजित कीजिए, फिर लॉजिस्टिक रिग्रेशन पर fit चलाइए। परीक्षण डेटा के लिए उसी सदिशकारक का दोबारा उपयोग कीजिए, आदर्श रूप से किसी पाइपलाइन के भीतर। ✅
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “TF-IDF फ़ीचर पर प्रशिक्षण” पाठ निःशुल्क है?
हाँ — NLP Academy अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “TF-IDF फ़ीचर पर प्रशिक्षण” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। NLP Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“TF-IDF फ़ीचर पर प्रशिक्षण” में मैं क्या सीखूँगा?
scikit-learn में वर्गीकारक को फ़िट करें आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ NLP Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या NLP Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर NLP Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।
“TF-IDF फ़ीचर पर प्रशिक्षण” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस NLP Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर NLP Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- लॉजिस्टिक रिग्रेशन पाठ पर क्यों जीतता है
- TF-IDF फ़ीचर पर प्रशिक्षण
- सबसे प्रभावशाली गुणांकों का निरीक्षण
- रेग्युलराइज़ेशन की ताकत समायोजित करना