Melatih Pengklasifikasi LSTM
Melatih model bergated pada urutan
Melatih Pengklasifikasi LSTM adalah pelajaran NLP Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar NLP Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus NLP Academy mencakup 4 pelajaran total.
Dari Teori ke Praktik
Saatnya membuat sesuatu. Anda akan merangkai pengklasifikasi LSTM yang membaca urutan kata dan memprediksi satu label. 🛠️
Teks Menjadi Bilangan Bulat
Pertama, setiap kata dipetakan ke ID bilangan bulat, sehingga kalimat berubah menjadi daftar angka yang dapat ditokenisasi dan diproses oleh model Anda.
ids = [vocab[w] for w in tokens]Samakan Panjangnya dengan Padding
LSTM memerlukan batch yang seragam, jadi Anda perlu memberi padding berupa nol pada urutan pendek dan memotong urutan panjang hingga panjangnya tetap.
X = pad_sequences(ids, maxlen=200)Lapisan Embedding
Lapisan embedding mengubah setiap ID bilangan bulat menjadi vektor padat yang dapat dipelajari, sehingga LSTM memperoleh makna kata yang kaya, bukan sekadar angka mentah.
Embedding(input_dim=10000, output_dim=128)Tambahkan Lapisan LSTM
Berikutnya adalah lapisan LSTM. Lapisan ini membaca urutan yang telah di-embedding langkah demi langkah dan menghasilkan ringkasan seluruh teks.
model.add(LSTM(64))Lapisan Keluaran
Lapisan padat terakhir dengan sigmoid memetakan ringkasan LSTM menjadi probabilitas, cocok untuk klasifikasi biner seperti positif atau negatif.
model.add(Dense(1, activation='sigmoid'))Kompilasi Model
Anda melakukan compile dengan fungsi kerugian dan pengoptimal. Entropi silang biner dan Adam merupakan pasangan awal yang andal untuk teks dengan dua kelas.
model.compile(loss='binary_crossentropy', optimizer='adam')Latih dengan Data Anda
Pemanggilan fit menjalankan pelatihan: model membaca batch, membandingkan prediksi dengan label, lalu menyesuaikan bobotnya untuk mengurangi kerugian.
model.fit(X_train, y_train, epochs=3, batch_size=32)Waspadai Overfitting
Jika akurasi pelatihan meningkat tetapi akurasi validasi menurun, Anda mengalami overfitting. Tambahkan dropout atau hentikan pelatihan lebih awal untuk memperbaikinya.
model.add(LSTM(64, dropout=0.2))Evaluasi dan Prediksi
Setelah pelatihan, ukur skor model pada data yang disisihkan dengan evaluate, lalu panggil predict untuk memberi label pada teks yang benar-benar baru.
model.evaluate(X_test, y_test)Seluruh Alur Pemrosesan
Jadi, alur pemrosesan lengkapnya adalah melakukan tokenisasi, memberi padding, melakukan embedding, menjalankan LSTM, lalu mengklasifikasikan. Setiap bagian mengalir dengan rapi ke bagian berikutnya.
Pemeriksaan Singkat
Ingat kembali susunan model yang baru saja Anda buat.
Ringkasan
Anda telah membuat pengklasifikasi LSTM: melakukan tokenisasi, memberi padding, melakukan embedding, menjalankan LSTM, dan menghasilkan label. Tambahkan dropout untuk mencegah overfitting. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Melatih Pengklasifikasi LSTM” gratis?
Ya — teks lengkap “Melatih Pengklasifikasi LSTM” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus NLP Academy, upgrade ke CoddyKit PRO. Kursus NLP Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Melatih Pengklasifikasi LSTM”?
Melatih model bergated pada urutan Kamu berlatih NLP Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai NLP Academy?
Tidak diperlukan pengalaman sebelumnya. NLP Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Melatih Pengklasifikasi LSTM” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Gerbang yang Mengendalikan Memori
- GRU: Alternatif yang Lebih Ringkas
- Melatih Pengklasifikasi LSTM
- Lapisan Dua Arah dan Bertumpuk