это с первой страницы по запросу sentence sentiment python

подскажите фронтендеру плиз какие потолки по ЗП нынче в Мск для ML спецов?

ну или где канал с вакансиями по вашей тематике?

https://www.kaggle.com/jobs

как отобразить таблицы pandas на одном уровне? https://asyoulook.com/computers%20&%20internet/jupyter-notebook-display-two-pandas-tables-side-by-side/737605 это не помогло

привет как сделать невозможним ввод цифр в етом Regexe QRegExp regexp("^[A-Za-z]+((\s)?((\'|\-|\.)?([A-Za-z])+))*$");

Я не вижу возможности ввода цифр

привет как сделать невозможним ввод цифр в етом Regexe QRegExp regexp("^[A-Za-z]+((\s)?((\'|\-|\.)?([A-Za-z])+))*$");

Попробуй [^0-9]

Мне не хватало этого стикера

Попробуй [^0-9]

Там и так невозможно ввести цифры, только буквы и несколько знаков

каким объектом является весовой коэффициент?

слишком тупые вопросы для чата со столь умным названием

а вот и элита подъехала

каким объектом является весовой коэффициент?

объектом типа Number?

или чо там в петонах

type() спасет отца русской демократии

каким объектом является весовой коэффициент?

а может ли является каким-то еще кроме числа

спасибо

а может ли является каким-то еще кроме числа

может быть распределением в байесовой сети

почоны, поясните, я совсем что-то туплю, в персептроне однослойном по какому принципу распределяются связи между S и A элементами?

почоны, поясните, я совсем что-то туплю, в персептроне однослойном по какому принципу распределяются связи между S и A элементами?

по принципу максимизации функционала качества с учётом регуляризации

по принципу максимизации функционала качества с учётом регуляризации

где почитать об этом можно?

где почитать об этом можно?

в курсе метоптов, в литературе по машинке без привязки к нейронкам — везде принцип тот же

кидает ошибку ValueError: Error when checking input: expected embedding_1_input to have shape (None, 100) but got array with shape (1, 1578612)

maxlen = 100

каждая последовательность из не более, чем 100 слов

data = pd.read_csv('dataset.csv', error_bad_lines=False) X_train = np.array([data['SentimentText']]) y_train = np.array([data['Sentiment']])

model.compile(loss='binary_crossentropy', optimizer='adam', class_mode="binary", metrics=['accuracy'] )

model.fit( X_train, y_train, batch_size=batch_size, epochs=1, )

в гугле советуют reshape сделать, но это не помогает

Как ты собрался подавать текст в нейронку

Надо сначала токенайзером пройтись

Сделать pad sequence

И только потом отдавать в сеть

точно

спасибо!

Надо сначала токенайзером пройтись

X_train = np.array(list(map(tknzr.tokenize, data['SentimentText'])))

все равно та же ошибка

tokenizer = Tokenizer(filters='') tokenizer.fit_on_texts(texts=data['SentimentText']) sequences = tokenizer.texts_to_sequences(data['SentimentText']) word_dict = tokenizer.word_index print('Length of dict = {}'.format(len(word_dict))) data = pad_sequences(sequences, maxlen=self.MAX_SEQ_LENGTH)

как то так

а вот data разбиваешь на трейн/тест/вал выборки и обучаешь

понял!

я использую from nltk.tokenize import TweetTokenizer

не, этот токенайзер только разбивает предложение на токены, а нужно сделать словарь слов

https://docs.python.org/3/library/tokenize.html

этот?

вот этот https://keras.io/preprocessing/text/

понял, спасибо

Шалом ребята. Что посоветуете полному нубу? Хочу для души поиграть с мущшин лернингом, распознание движения перед вебкой или что еще несложно

не правильно написал, сначала нужно разбить на трейн/тест и только потом токеназейером по трейну пройти

чтоб он не обучился на тестовой выборке

Наверняка здесь гуляет гайд для вкатывающихся , поделитесь

обновился список, добавлено: Биофармкластер «Северный» Машинное обучение 11 лекций на тему ML https://ru.stackoverflow.com/a/683632/1084

обновился список, добавлено: Биофармкластер «Северный» Машинное обучение 11 лекций на тему ML https://ru.stackoverflow.com/a/683632/1084

Благодарю

Спасибо

а покажи весь код

ERROR: S client not available

а покажи весь код

https://pastebin.com/fK8Nht7p

https://pastebin.com/fK8Nht7p

model.compile(loss='binary_crossentropy', optimizer='adam', class_mode="binary", metrics=['accuracy'] ). что здесь делает class_mode ?)

а блядь

точно

извини

в старой версии было просто

model.compile(loss='binary_crossentropy', optimizer='adam', class_mode="binary", metrics=['accuracy'] ). что здесь делает class_mode ?)

https://pastebin.com/HMfKg2L9

прямово время обучения выкинул системную ошибку

первый уровень сети залажал

увеличил объем фичей

сейчас посмотрим

объем фичей - это размер словаря, поставь len(word_dict)

объем фичей - это размер словаря, поставь len(word_dict)

то есть сначала должна быть подготовка данных, затем уже компиляция модели?

в данном случае да

А зачем словарь то собственно?

У меня сейчас данные типа первый элемент текстов сопоставляется первому элементу из оценок текста

У меня сейчас данные типа первый элемент текстов сопоставляется первому элементу из оценок текста

вот тут не понял, что это значит?

вот тут не понял, что это значит?

Сфоткаю экран, ибо сеть напрягла комп дико

Вот там где 1 и 0 — это оценка

А предложение само справа

так, и что?

y_train — это оценка

Х_train — предложение

Верно?

короче, я тебе советую сначала прочитать вот эту статью https://vgpena.github.io/classifying-tweets-with-keras-and-tensorflow/

Функция от предложения даёт оценку

короче, я тебе советую сначала прочитать вот эту статью https://vgpena.github.io/classifying-tweets-with-keras-and-tensorflow/

Сейчас займусь