Каждую итерацию в массив нампай добавляется подмассив, состоящий из двух элементов. Как реализовать? У меня постоянно вылетает ошибка размерности

чорт

уже было

неверно добавляет

https://t.me/bigdata_ru/18031

Упс. затупил :D

шо за яйца

имхо вообще надо сразу объявить массив правильного размера, потому что память, указатели и все такое.

имхо вообще надо сразу объявить массив правильного размера, потому что память, указатели и все такое.

так

а

понимаю, о чем ты

понимаю, о чем ты

поэтому "добавлять" неправильно. надо в созданном массиве менять значения. больше бойлерплейт кода, кровавый энтерпрайз и все такое.

имхо вообще надо сразу объявить массив правильного размера, потому что память, указатели и все такое.

mens_names = np.array(['MA', 'MB', 'MC', 'MD', 'ME']) womens_names = np.array(['WA', 'WB', 'WC', 'WD', 'WE']) pairs = np.array([]) хмммм, надо поставить в соответствие мужским именам None, которое в процессе будет заменено на женское, наиболее подходящей

поэтому "добавлять" неправильно. надо в созданном массиве менять значения. больше бойлерплейт кода, кровавый энтерпрайз и все такое.

согласен

mens_names = np.array(['MA', 'MB', 'MC', 'MD', 'ME']) womens_names = np.array(['WA', 'WB', 'WC', 'WD', 'WE']) pairs = np.array([]) хмммм, надо поставить в соответствие мужским именам None, которое в процессе будет заменено на женское, наиболее подходящей

записать в 2 строки и транспонировать

есть проще варианты?

mens_names = np.array(['MA', 'MB', 'MC', 'MD', 'ME']) womens_names = np.array(['WA', 'WB', 'WC', 'WD', 'WE']) pairs = np.array([mens_names, np.zeros(len(mens_names), dtype=np.int_)]).transpose()

вот как решил

Добрый день, подскажите ресурсы где можно почитать про автоматическое тегирование контента с помощью AI

Добрый день, подскажите ресурсы где можно почитать про автоматическое тегирование контента с помощью AI

начать можно отсюда https://en.wikipedia.org/wiki/Document_classification

начать можно отсюда https://en.wikipedia.org/wiki/Document_classification

Спасибо, есть статьи, датасеты чтобы экспериментировать и проверить? Может быть книжки

их очень много. Проще у гугле искать конкретную задачу. Первый запрос в гугле https://www.quora.com/What-are-good-sources-to-find-labeled-dataset-for-document-topic-classification-projects

их очень много. Проще у гугле искать конкретную задачу. Первый запрос в гугле https://www.quora.com/What-are-good-sources-to-find-labeled-dataset-for-document-topic-classification-projects

спасибо, начал изучать. Еще вопросик, размер текста каждого блока имеет значение, напимер по 40-50 слов (после удаление стоп слов). Возможно будет классифицировать по тегам или этого мало?

hi

this is santosh

Hi

could u chat in english

then its ease for me

could u chat in english

@bigdata_en

от алгоритма зависит. Например IF-IDF bkb байес ищет редко встречающиесяслова, характерные для определённого класса. Если будут слова с хорошей предсказательной силой - и 2-3 будет достаточно.

от алгоритма зависит. Например IF-IDF bkb байес ищет редко встречающиесяслова, характерные для определённого класса. Если будут слова с хорошей предсказательной силой - и 2-3 будет достаточно.

Спасибо еще раз. Буду изучать!

what is the use of distrubted cache

как выглядит запрос, который возвращает индекс, где занято только одно поле? array([['MA', 'WD'], ['MB', 'WB'], ['MC', '0'], ['MD', '0'], ['ME', '0']], dtype='<U21')

может знает кто?

че сделать то надо?

вернуть индексы, где на втором месте ничего не стоит

0 то есть

filter(lambda x: x[1]=="0", arr) поидее даст сами ячейки, если они уникальные, то дальше [arr.index(row) for row in filtered_arr]

средствами питона то есть

я просто хотел чистым нампаем сделать

через where и тому подобным

средствами питона то есть

а какая разница?

filter(lambda x: x[1]=="0", arr) поидее даст сами ячейки, если они уникальные, то дальше [arr.index(row) for row in filtered_arr]

нельзя ж так делать в нумпи

векторные операции должны быть

а какая разница?

огромная

a[ a[:,1] == '0' ]

так лучше?

Да

может кто-то уже реализовывал оценку текста на положительное/отрицательное высказывание?

поделитесь, если да, пожалуйста

может кто-то уже реализовывал оценку текста на положительное/отрицательное высказывание?

гугли по словам ”sentiment analysis”

гугли по словам ”sentiment analysis”

да, гуглил

да, гуглил

тогда к чему вопрос?

классификация с логистической функцией надо

тогда к чему вопрос?

может кто реализовывал

в интернете в большинстве случаев старое

либо на джаве

ERROR: S client not available

может кто реализовывал

в гугле ищется, минут за пять-десять

как и все остальные его вопросы?‍♂

как и все остальные его вопросы?‍♂

некоторые люди ожидают, что за них все сделают другие

некоторые люди ожидают, что за них все сделают другие

а это и не плохо, просто надо делать не бесплатно

а это и не плохо, просто надо делать не бесплатно

тоже верно. Телеграм вроде позволяет платежи принимать? давайте сделаем кнопочку для тех, кто хочет, чтобы им что-то запилили ?

некоторые люди ожидают, что за них все сделают другие

...

...

что? ты сразу отнес на свой счет?

ну понятно, о ком ты

ответы абсолютно на все вопросы можно найти в гугле, тогда зачем эти чаты в тг?

кто знает, как нужно правильно менять входной embedding слой у уже обученной нейросети (keras)? network.layers[0] = Embedding(w2v.vocabulary_size() + 1, w2v.vector_dim(), input_length=max_length, weights=[w2v.weights()], trainable=False) вот так вроде не совсем верно

ответы абсолютно на все вопросы можно найти в гугле, тогда зачем эти чаты в тг?

Тоже не понимаю зачем Гугл - поиск для домохозяек, слишком много информации По сути такие группы нужны для более точного поиска отправной точки в изучении какого-то вопроса Но по факту человек, придя сюда, отправляется чаще всего по ссылке на Википедию.

кто знает, как нужно правильно менять входной embedding слой у уже обученной нейросети (keras)? network.layers[0] = Embedding(w2v.vocabulary_size() + 1, w2v.vector_dim(), input_length=max_length, weights=[w2v.weights()], trainable=False) вот так вроде не совсем верно

Почему неверно?

ну а ищущей стороне это зачем нужно? жду кнопки для монетизации

Тоже не понимаю зачем Гугл - поиск для домохозяек, слишком много информации По сути такие группы нужны для более точного поиска отправной точки в изучении какого-то вопроса Но по факту человек, придя сюда, отправляется чаще всего по ссылке на Википедию.

Потому что он задаёт вопрос, ответ на который есть в википедии.

Почему неверно?

когда глазами смотришь на результаты работы - вообще не соответствует реальности, хотя на cv очень хорошие метрики

менять слой надо из-за того что новые незнакомые слова могут встречаться, а w2v модель от fasttext может предугадывать вектора для незнакомых слов, поэтому каждый раз нужно обновлять входной слой с новыми весами и размером словаря

возможно надо сообщить следующему слою, что предыдущий обновился, но что-то не гуглится

ответы абсолютно на все вопросы можно найти в гугле, тогда зачем эти чаты в тг?

ну если ты тратишь 0 времени на попытку решить проблему, то это просто неуважение

ты приходишь задать свой вопрос по sentiment analysis, но делаешь это без уважения

ты приходишь задать свой вопрос по sentiment analysis, но делаешь это без уважения

Тут недавно датасет большой с сарказмом ещё выложили, правда на английском

а вот тоже хотел спросить, есть какой-нить канал на тему статистики/машинленинг, но для ньюбов, типа песочницы, где жжеными тряпками по лицу не надают за вопросы?

Есть песочница открытого курса OpenDataScience

в слаке?

можешь меня назвать

спасибо

или меня)

ну если ты тратишь 0 времени на попытку решить проблему, то это просто неуважение

Минут 40 искал сам

https://www.kaggle.com/ngyptr/python-nltk-sentiment-analysis

Минут 40 искал сам

я хз как ты искал если честно