Prevedere su testo completamente nuovo
Eseguire inferenza su input mai visto
Prevedere su testo completamente nuovo è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Inference Time
Training is done. Now comes inference: feeding brand-new, unseen text to your saved model and reading back its prediction. 🚀
Load the Model First
Start every prediction script by loading the saved pipeline. From here it behaves exactly like the model you trained.
import joblib
model = joblib.load("models/sentiment.joblib")Predict Expects a List
The predict method takes a list of texts, not a single string. Even one example must be wrapped in a list.
model.predict(["the food was amazing"])Predict Many at Once
Pass a whole list to score many texts in one go. Batch prediction is far faster than looping one item at a time.
texts = ["loved it", "total waste of money"]
print(model.predict(texts))Get Probabilities
Want confidence, not just a label? Call predict_proba to see how sure the model is about each class.
model.predict_proba(["it was okay i guess"])Same Cleaning as Training
New text must go through the same cleaning as your training data. The pipeline handles this, which is exactly why you saved it whole.
Unknown Words Are Fine
Words the model never saw are simply ignored by the vectorizer. Your vocabulary is fixed at training time, so prediction stays stable.
Map Labels to Names
Models often return numbers like 0 and 1. Turn them into a readable label name so people can understand the output.
names = {0: "negative", 1: "positive"}
print(names[model.predict(["great"])[0]])Wrap It in a Function
Wrap loading and predicting in one helper function. Now any part of your app can classify text with a single clean call.
def classify(text):
return model.predict([text])[0]Watch for Drift
Real text changes over time. When accuracy slips, that is data drift, a signal it is time to retrain on fresh examples.
Serve It Anywhere
Your classify function can sit behind a web API or a script. The same saved model now powers real predictions in production. 🎯
Quick Check
Think about the input format predict requires.
Recap
You loaded the model, predicted on new text in batches, read probabilities, mapped labels, wrapped it in a function, and watched for drift. 🏁
Domande Frequenti
La lezione «Prevedere su testo completamente nuovo» è gratuita?
Sì — il testo completo di «Prevedere su testo completamente nuovo» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Prevedere su testo completamente nuovo»?
Eseguire inferenza su input mai visto Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Prevedere su testo completamente nuovo»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Strutturare un vero progetto NLP
- Pipeline scikit-learn dall'inizio alla fine
- Salvare e caricare il modello
- Prevedere su testo completamente nuovo