NLP Academy · leksjon

Tren en LSTM-klassifikator

Tilpass en portstyrt modell til sekvenser

Leksjon 3 av 413 trinn

Tren en LSTM-klassifikator er en gratis leksjon i NLP Academy på CoddyKit. Dette er leksjon 3 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i NLP Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i NLP Academy inneholder totalt 4 leksjoner.

Fra teori til praksis

På tide å bygge noe. Du skal sette sammen en LSTM-klassifikator som leser en sekvens med ord og forutsier én enkelt etikett. 🛠️

Tekst blir til heltall

Først knyttes hvert ord til en heltalls-ID, slik at en setning blir til en talliste som modellen kan tokenisere og behandle.

ids = [vocab[w] for w in tokens]

Fyll ut til lik lengde

LSTM-er trenger batcher med jevn lengde, så du fyller ut korte sekvenser med nuller og avkorter lange sekvenser til en fast lengde.

X = pad_sequences(ids, maxlen=200)

Embedding-laget

Et embedding-lag gjør hver heltalls-ID om til en tett, lærbar vektor. Dermed får LSTM-en rik ordsemantikk i stedet for rå tall.

Embedding(input_dim=10000, output_dim=128)

Legg til LSTM-laget

Deretter kommer LSTM-laget. Det leser den innebygde sekvensen trinn for trinn og gir et sammendrag av hele teksten.

model.add(LSTM(64))

Utgangslaget

Et siste tett lag med sigmoid gjør LSTM-sammendraget om til en sannsynlighet, perfekt for binær klassifisering som positiv eller negativ.

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

Kompiler modellen

Du kompilerer med en tapsfunksjon og en optimerer. Binært kryssentropitap og Adam er et pålitelig utgangspunkt for tekst med to klasser.

model.compile(loss='binary_crossentropy', optimizer='adam')

Tilpass modellen til dataene

Når du kaller fit, starter treningen: Modellen leser batcher, sammenligner prediksjoner med etiketter og justerer vektene for å redusere tapet.

model.fit(X_train, y_train, epochs=3, batch_size=32)

Vær oppmerksom på overtilpasning

Hvis nøyaktigheten på treningsdataene øker mens valideringsnøyaktigheten synker, driver du med overtilpasning. Legg til dropout eller stopp treningen tidligere for å løse problemet.

model.add(LSTM(64, dropout=0.2))

Evaluer og prediker

Etter treningen måler du modellen på data som er holdt tilbake, med evaluate, og kaller deretter predict for å klassifisere helt ny tekst.

model.evaluate(X_test, y_test)

Hele pipelinen

Hele pipelinen består altså av tokenisering, utfylling, embedding, kjøring av LSTM og deretter klassifisering. Hver del kobles sømløst til den neste.

Rask sjekk

Husk modelloppsettet du nettopp bygde.

Besvar den i den interaktive leksjonen

Oppsummering

Du bygde en LSTM-klassifikator: tokeniser, fyll ut, bruk embedding, kjør LSTM og skriv ut en etikett. Legg til dropout for å beskytte mot overtilpasning. ✅

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 30
Leksjoner: 120

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Tren en LSTM-klassifikator» gratis?

Ja – du kan lese valgfritt 3 av leksjonene i læringsstien NLP Academy, inkludert «Tren en LSTM-klassifikator», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i NLP Academy inneholder totalt 4 leksjoner.

Hva lærer jeg i «Tren en LSTM-klassifikator»?

Tilpass en portstyrt modell til sekvenser Du øver på NLP Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med NLP Academy?

Ingen tidligere erfaring er nødvendig. NLP Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 3 av 4.

Hvor lang tid tar leksjonen «Tren en LSTM-klassifikator»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne NLP Academy-leksjonen?

Ja. Alle NLP Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til NLP Academy