|
|
|
@ -1,82 +1,83 @@
|
|
|
|
# Лабораторная работа №3. Классификация текстовых данных
|
|
|
|
# Лабораторная работа №3. Классификация текстовых данных
|
|
|
|
|
|
|
|
|
|
|
|
## Цель работы
|
|
|
|
## Цель работы
|
|
|
|
|
|
|
|
|
|
|
|
Получить практические навыки решения задачи классификации текстовых данных в среде Jupiter Notebook.
|
|
|
|
Получить практические навыки решения задачи классификации текстовых данных в среде Jupiter Notebook.
|
|
|
|
Научиться проводить предварительную обработку текстовых данных, настраивать параметры методов классификации и обучать модели, оценивать точность полученных моделей
|
|
|
|
Научиться проводить предварительную обработку текстовых данных, настраивать параметры методов классификации и обучать модели, оценивать точность полученных моделей
|
|
|
|
|
|
|
|
|
|
|
|
## Задание
|
|
|
|
## Задание
|
|
|
|
|
|
|
|
|
|
|
|
1. Загрузить выборки по варианту из лабораторной работы №2. Стемминг проводить не нужно.
|
|
|
|
1. Загрузить выборки по варианту из лабораторной работы №2. Стемминг проводить не нужно.
|
|
|
|
2. Используя GridSearchCV произвести предварительную обработку данных и настройку методов классификации в соответствие с заданием,
|
|
|
|
2. Используя GridSearchCV произвести предварительную обработку данных и настройку методов классификации в соответствие с заданием,
|
|
|
|
вывести оптимальные значения параметров и результаты классификации модели (полнота, точность, f1-мера и аккуратности) с данными параметрами.
|
|
|
|
вывести оптимальные значения параметров и качество классификации модели (f1-мера) с данными параметрами.
|
|
|
|
3. Перевести выборку к векторному представлению word embedding согласно варианту.
|
|
|
|
3. Перевести выборку к векторному представлению word embedding согласно варианту.
|
|
|
|
4. Провести обучение и настройку тех же алгоритмов классификации и с теми же параметрами, что и в п.2, но на векторизованной выборке
|
|
|
|
4. Провести обучение и настройку тех же алгоритмов классификации и с теми же параметрами, что и в п.2, но на векторизованной выборке
|
|
|
|
5. По каждому пункту работы занести в отчет программный код и результат вывода.
|
|
|
|
5. По каждому пункту работы занести в отчет программный код и результат вывода.
|
|
|
|
6. Оформить сравнительную таблицу с результатами классификации различными методами с разными настройками.
|
|
|
|
6. Оформить сравнительную таблицу с результатами классификации различными методами с разными настройками.
|
|
|
|
Сделать выводы о наиболее подходящем методе классификации ваших данных с указанием параметров метода и описанием предварительной обработки данных.
|
|
|
|
Сделать выводы о наиболее подходящем методе классификации ваших данных с указанием параметров метода и описанием предварительной обработки данных.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Варианты заданий
|
|
|
|
## Варианты заданий
|
|
|
|
|
|
|
|
|
|
|
|
| Вариант | Метод | Word embedding |
|
|
|
|
| Вариант | Метод | Word embedding |
|
|
|
|
| :--- | :--- | :--- |
|
|
|
|
| :--- | :--- | :--- |
|
|
|
|
| 1 | KNN, SVM | glove-wiki-gigaword-100 |
|
|
|
|
| 1 | KNN, SVM | glove-wiki-gigaword-50 |
|
|
|
|
| 2 | RF, MNB | glove-wiki-gigaword-50
|
|
|
|
| 2 | RF, MNB | glove-wiki-gigaword-100
|
|
|
|
| 3 | KNN, DT | glove-wiki-gigaword-200 |
|
|
|
|
| 3 | KNN, DT | glove-wiki-gigaword-200 |
|
|
|
|
| 4 | RF, KNN | glove-wiki-gigaword-25 |
|
|
|
|
| 4 | RF, KNN | glove-wiki-gigaword-300 |
|
|
|
|
| 5 | LR, MNB | word2vec-google-news-300 |
|
|
|
|
| 5 | LR, MNB | word2vec-google-news-300 |
|
|
|
|
| 6 | DT, LR | glove-wiki-gigaword-200 |
|
|
|
|
| 6 | DT, LR | glove-wiki-gigaword-200 |
|
|
|
|
| 7 | RF, SVM | glove-twitter-100 |
|
|
|
|
| 7 | RF, SVM | glove-twitter-100 |
|
|
|
|
| 8 | SVM, DT | glove-twitter-200 |
|
|
|
|
| 8 | SVM, DT | glove-twitter-200 |
|
|
|
|
| 9 | RF, SVM | glove-twitter-100 |
|
|
|
|
| 9 | RF, SVM | glove-twitter-100 |
|
|
|
|
| 10 | MNB, SVM | glove-twitter-25 |
|
|
|
|
| 10 | MNB, SVM | glove-twitter-25 |
|
|
|
|
| 11 | MNB, DT | word2vec-google-news-300 |
|
|
|
|
| 11 | MNB, DT | word2vec-google-news-300 |
|
|
|
|
| 12 | RF, LR | glove-twitter-50 |
|
|
|
|
| 12 | RF, LR | glove-twitter-50 |
|
|
|
|
|
|
|
|
|
|
|
|
## Параметры, которые необходимо настроить
|
|
|
|
## Параметры, которые необходимо настроить
|
|
|
|
|
|
|
|
|
|
|
|
Помимо параметров предварительной обработки, таких как: взвешивание, отсечение стоп-слов,
|
|
|
|
Помимо параметров предварительной обработки, таких как: взвешивание, отсечение стоп-слов,
|
|
|
|
количество информативных терминов, для каждого метода классификации необходимо настроить следующие параметры:
|
|
|
|
количество информативных терминов, для каждого метода классификации необходимо настроить следующие параметры:
|
|
|
|
**К-ближайших соседей (KNN):**
|
|
|
|
**К-ближайших соседей (KNN):**
|
|
|
|
|
|
|
|
|
|
|
|
* количество ближайших соседей,
|
|
|
|
* количество ближайших соседей,
|
|
|
|
* метрика (евклидова, косинусная)
|
|
|
|
* метрика (евклидова, косинусная)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
**Дерево решений (DT):**
|
|
|
|
**Дерево решений (DT):**
|
|
|
|
|
|
|
|
|
|
|
|
* критерий (параметр criterion: ‘gini’, ‘entropy’),
|
|
|
|
* критерий (параметр criterion: ‘gini’, ‘entropy’),
|
|
|
|
* глубина дерева (параметр max_depth: {5, 15, 50, 100}).
|
|
|
|
* глубина дерева (параметр max_depth: {5, 15, 50, 100}).
|
|
|
|
|
|
|
|
|
|
|
|
**Случайный лес (RF):**
|
|
|
|
**Случайный лес (RF):**
|
|
|
|
|
|
|
|
|
|
|
|
* количество деревьев решений (параметр n_estimators: {5, 30, 100}),
|
|
|
|
* количество деревьев решений (параметр n_estimators: {5, 30, 100}),
|
|
|
|
* критерий (параметр criterion: ‘gini’, ‘entropy’),
|
|
|
|
* критерий (параметр criterion: ‘gini’, ‘entropy’),
|
|
|
|
* глубина дерева (параметр max_depth: {5, 15, 50}).
|
|
|
|
* глубина дерева (параметр max_depth: {5, 15, 50}).
|
|
|
|
|
|
|
|
|
|
|
|
**Логистическая регрессия (LR):**
|
|
|
|
**Логистическая регрессия (LR):**
|
|
|
|
|
|
|
|
|
|
|
|
* метод нахождения экстремума (параметр solver: ‘newton-cg’, ‘lbfgs’, ‘sag’, ‘liblinear’),
|
|
|
|
* метод нахождения экстремума (параметр solver: ‘newton-cg’, ‘lbfgs’, ‘sag’, ‘liblinear’),
|
|
|
|
* регуляризация (параметр penalty: ‘L1’, ‘L2’)
|
|
|
|
* регуляризация (параметр penalty: ‘L1’, ‘L2’)
|
|
|
|
Обратить внимание, что разные виды регуляризации работают с разными методами нахождения экстремума.
|
|
|
|
Обратить внимание, что разные виды регуляризации работают с разными методами нахождения экстремума.
|
|
|
|
|
|
|
|
Предлагается сначала настроить модель для одного из типом регулязиации, затем для другого, и выбрать лучшую модель из двух.
|
|
|
|
**Метод опорных векторов (SVM):**
|
|
|
|
|
|
|
|
* функция потерь (параметр kernel: ‘linear’, ‘rbf’),
|
|
|
|
**Метод опорных векторов (SVM):**
|
|
|
|
* регуляризация (параметр C: {0.1, 1, 5})
|
|
|
|
* функция потерь (параметр kernel: ‘linear’, ‘rbf’),
|
|
|
|
Обратить внимание, что разные виды регуляризации работают с разными функциями потерь
|
|
|
|
* коэффициент регуляризации (параметр C: {0.1, 1, 5})
|
|
|
|
|
|
|
|
|
|
|
|
**Мультиномиальный Наивный Байесовский метод (MNB)**
|
|
|
|
|
|
|
|
* параметр сглаживания α (параметр alpha: {0.1, 1, 2})
|
|
|
|
**Мультиномиальный Наивный Байесовский метод (MNB)**
|
|
|
|
|
|
|
|
* параметр сглаживания α (параметр alpha: {0.1, 1, 2})
|
|
|
|
## Контрольные вопросы
|
|
|
|
|
|
|
|
|
|
|
|
## Контрольные вопросы
|
|
|
|
1. Алгоритм и особенности метода опорных векторов.
|
|
|
|
|
|
|
|
2. Алгоритм и особенности метода логистической регрессии.
|
|
|
|
1. Алгоритм и особенности метода опорных векторов.
|
|
|
|
3. Алгоритм и особенности метода деревьев решений.
|
|
|
|
2. Алгоритм и особенности метода логистической регрессии.
|
|
|
|
4. Что такое регуляризация?
|
|
|
|
3. Алгоритм и особенности метода деревьев решений.
|
|
|
|
5. Что такое метрика расстояния? Какие метрики вам известны?
|
|
|
|
4. Что такое регуляризация?
|
|
|
|
|
|
|
|
5. Что такое метрика расстояния? Какие метрики вам известны?
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Andrey
1 год назад