Предсказания для совершенно нового текста
Выполните вывод для ранее не встречавшихся входных данных
«Предсказания для совершенно нового текста» — бесплатный урок NLP Academy на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения NLP Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс NLP Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
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. 🏁
Часто задаваемые вопросы
Урок «Предсказания для совершенно нового текста» бесплатный?
Да — полный текст урока «Предсказания для совершенно нового текста» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс NLP Academy, подпишись на CoddyKit PRO. Курс NLP Academy содержит 4 уроков всего.
Чему я научусь в уроке «Предсказания для совершенно нового текста»?
Выполните вывод для ранее не встречавшихся входных данных Ты практикуешь NLP Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать NLP Academy?
Предыдущий опыт не требуется. NLP Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.
Сколько времени занимает урок «Предсказания для совершенно нового текста»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке NLP Academy?
Да. Каждый урок NLP Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Структура реального проекта по обработке естественного языка
- Конвейеры scikit-learn от начала до конца
- Сохранение и загрузка модели
- Предсказания для совершенно нового текста