Yepyeni Metinlerde Tahmin Yapma
Daha önce görülmemiş girdiler üzerinde çıkarım çalıştırma
Yepyeni Metinlerde Tahmin Yapma, CoddyKit'te ücretsiz bir NLP Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, NLP Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. NLP Academy kursu toplamda 4 dersten oluşur.
Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.
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. 🏁
Sıkça Sorulan Sorular
“Yepyeni Metinlerde Tahmin Yapma” dersi ücretsiz mi?
Evet — “Yepyeni Metinlerde Tahmin Yapma” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve NLP Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. NLP Academy kursu toplamda 4 dersten oluşur.
“Yepyeni Metinlerde Tahmin Yapma” dersinde ne öğreneceğim?
Daha önce görülmemiş girdiler üzerinde çıkarım çalıştırma NLP Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
NLP Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te NLP Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“Yepyeni Metinlerde Tahmin Yapma” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu NLP Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her NLP Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Gerçek Bir Doğal Dil İşleme Projesini Yapılandırmak
- Uçtan Uca scikit-learn İş Hatları
- Modelinizi Kaydetme ve Yükleme
- Yepyeni Metinlerde Tahmin Yapma