From 777ef380284b616c505942edea3950a89011fa65 Mon Sep 17 00:00:00 2001 From: ZheleznovAO Date: Mon, 22 Dec 2025 09:54:04 +0000 Subject: [PATCH] =?UTF-8?q?=D0=98=D0=B7=D0=BC=D0=B5=D0=BD=D0=B8=D0=BB(?= =?UTF-8?q?=D0=B0)=20=D0=BD=D0=B0=20'labworks/LW4/readme.md'?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- labworks/LW4/readme.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/labworks/LW4/readme.md b/labworks/LW4/readme.md index d1f9974..a2fb21c 100644 --- a/labworks/LW4/readme.md +++ b/labworks/LW4/readme.md @@ -177,7 +177,7 @@ X train: Shape of X train: (25000, 500) Shape of X test: (25000, 500) ``` -###8) Реализовали модель рекуррентной нейронной сети, состоящей из слоев Embedding, LSTM, Dropout, Dense, и обучили ее на обучающих данных с выделением части обучающих данных в качестве валидационных. Вывели информацию об архитектуре нейронной сети. Добились качества обучения по метрике accuracy не менее 0.8. +### 8) Реализовали модель рекуррентной нейронной сети, состоящей из слоев Embedding, LSTM, Dropout, Dense, и обучили ее на обучающих данных с выделением части обучающих данных в качестве валидационных. Вывели информацию об архитектуре нейронной сети. Добились качества обучения по метрике accuracy не менее 0.8. ```python embed_dim = 32 lstm_units = 64 @@ -236,7 +236,7 @@ print(f"\nTest accuracy: {test_acc}") Test accuracy: 0.8605999946594238 ``` -###9) Оценили качество обучения на тестовых данных: +### 9) Оценили качество обучения на тестовых данных: ###вывели значение метрики качества классификации на тестовых данных ###вывели отчет о качестве классификации тестовой выборки ###построили ROC-кривую по результату обработки тестовой выборки и вычислили площадь под ROC-кривой (AUC ROC) @@ -280,5 +280,5 @@ print('AUC ROC:', auc(fpr, tpr)) ``` AUC ROC: 0.936838928 -#11) Сделали выводы по результатам применения рекуррентной нейронной сети для решения задачи определения тональности текста. +### 10) Сделали выводы по результатам применения рекуррентной нейронной сети для решения задачи определения тональности текста. По результатам применения рекуррентной нейронной сети, а также по данным таблицы 1 можно сделать вывод, что модель хорошо справилась с задачей определения тональности текста. Показатель accuracy = 0.860599 превышает требуемый порог 0.8. Значение AUC ROC = 0.936838928 (> 0.9) говорит о высокой способности модели различать два класса (положительные и отрицательные отзывы). \ No newline at end of file