@ -7,8 +7,6 @@
---
## ЗАДАНИЕ 1:
### 1) В среде Google Colab создали новый блокнот (notebook). Импортировали необходимые для работы библиотеки модули.
```python
# импорт модулей
@ -327,10 +325,9 @@ AUC ROC: 0.9159089215999999
### 11) Сделали выводы по результатам применения рекуррентной нейронной сети для решения задачи определения тональности текста.
Таблица 1:
| Модель | Количество настраиваемых параметров | Количество эпох обучения | Качество классификации тестовой выборки |
|-----------------|-------------------------------------|--------------------------|-----------------------------------------|
| Рекуррентная | 353089 | 3 | accuracy:0.85 ; loss:0.5214 ; |
| | | | AUC ROC:0.9159 |
| Модель | Количество настраиваемых параметров | Количество эпох обучения | Качество классификации тестовой выборки |
|---------------|-------------------------------------|--------------------------|-----------------------------------------|
| Рекуррентная | 353089 | 3 |accuracy:0.85;loss:0.5214;AUC ROC:0.9159 |
### По результатам таблицы можно сделать вывод, что рекуррентная НС хорошо справляется с задачей определения тональности текста. Показатель accuracy = 0.85 превышает требуемый порог 0.8. Значение AUC ROC = 0.9159 (> 0.9) говорит о высокой способности модели различать два класса (положительные и отрицательные отзывы)
