TF-IDF Özellikleriyle Eğitme
scikit-learn'de bir sınıflandırıcı uydurma
TF-IDF Özellikleriyle Eğitme, CoddyKit'te ücretsiz bir NLP Academy dersidir. Bu, 4 dersinin 2. 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.
Önce Metni Sayılara Dönüştürün
Bir model ham cümleleri okuyamaz. Önce belgeleri TF-IDF vektörlerine dönüştürün, ardından lojistik regresyonu bu sayılarla eğitin. 🔢
Vektörleştiriciyi Eğitin
TfidfVectorizer, sözlüğünüzü ve ağırlıklandırmayı eğitim metinlerinden öğrenir. Tek bir çağrı, dize listesini özellik matrisine dönüştürür.
from sklearn.feature_extraction.text import TfidfVectorizer
vec = TfidfVectorizer()
X = vec.fit_transform(train_texts)Etiketler Ayrı Kalır
Özellikleriniz X metninden gelir, ancak etiketleriniz y sizin tarafınızdan sağlanır. Her belgenin spam veya spam değil gibi doğru bir sınıfa ihtiyacı vardır.
Eğitmeden Önce Bölün
Adil bir değerlendirme yapabilmek için bir test kümesini ayırın. train_test_split, değerlendirmenin en sonuna kadar bazı verileri görünmeden tutar.
from sklearn.model_selection import train_test_split
X_tr, X_te, y_tr, y_te = train_test_split(X, y)Fit, Öğrenmek Demektir
fit çağrısı, lojistik regresyona eğitim verilerinizde sınıflarınızı en iyi ayıran sözcük ağırlıklarını bulmasını söyler.
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression(max_iter=1000)
clf.fit(X_tr, y_tr)Uyarı Verirse max_iter Değerini Artırın
Metin çok sayıda özellik içerdiğinden çözücünün daha fazla adıma ihtiyacı olabilir. max_iter değerini artırmak, göreceğiniz yaygın yakınsama uyarısını ortadan kaldırır.
Yeni Vektörler Üzerinde Tahmin Yapın
Yeni metinleri sınıflandırmak için aynı eğitilmiş vektörleştiriciyle dönüştürün, ardından predict çağrısını yapın. Vektörleştiriciyi test verileri üzerinde asla yeniden eğitmeyin.
preds = clf.predict(X_te)Testte Fit Değil, Transform Kullanın
Test metni için fit_transform değil, transform kullanılır. Yeniden eğitim, test bilgilerini sızdırır ve puanlarınızı fark ettirmeden olduğundan yüksek gösterir.
Doğruluğu Kontrol Edin
Hızlı bir score çağrısı, ayrılmış kümedeki doğruluğu verir. Bu, eğitimin gerçekten işe yaradığını gösteren ilk işaretinizdir.
print(clf.score(X_te, y_te))Aynı Adımlar Eşzamanlı Kalır
Eğitim ve tahmin işlemleri tamamen aynı sözlüğü paylaşmalıdır. Her yerde tek bir eğitilmiş vektörleştirici kullanmak özellik sütunlarını hizalı tutar.
İşlem Hattı İşinizi Kolaylaştırır
Vektörleştiriciyi ve modeli bir işlem hattı içinde birleştirmek, transform ve predict işlemlerini otomatik olarak birbirine bağlar; böylece hiçbir adımı unutmazsınız.
from sklearn.pipeline import make_pipeline
pipe = make_pipeline(TfidfVectorizer(), LogisticRegression())Hızlı Kontrol
Tahmin yapmadan önce test metnini nasıl hazırlamalısınız?
Özet: Önce Vektörleştir, Sonra Eğit
Metni TF-IDF ile vektörleştirin, bölün, ardından lojistik regresyonda fit çağrısını yapın. Test verileri için aynı vektörleştiriciyi, ideal olarak bir işlem hattı içinde, yeniden kullanın. ✅
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“TF-IDF Özellikleriyle Eğitme” dersi ücretsiz mi?
Evet — “TF-IDF Özellikleriyle Eğitme” 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.
“TF-IDF Özellikleriyle Eğitme” dersinde ne öğreneceğim?
scikit-learn'de bir sınıflandırıcı uydurma 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 2. dersidir.
“TF-IDF Özellikleriyle Eğitme” 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
- Lojistik Regresyon Metinde Neden Kazanır
- TF-IDF Özellikleriyle Eğitme
- En Güçlü Katsayıları İnceleme
- Düzenlileştirme Gücünü Ayarlama