lab02: correction

labs/OATD_LR2.md

@@ -18,14 +18,11 @@
 
     B.	Вывести и проанализировать первые 20 наиболее частотных слов всей выборки и каждого класса по-отдельности.
 
-	C.  Рассчитать сходство по коэффициенту Жаккара между тремя классами
+    C.	Применить процедуру отсечения стоп-слов и повторить пункт B.
-
-    D.	Применить процедуру отсечения стоп-слов и повторить пункты B - C.
     
-	E.	Провести пункты A – D для обучающей и тестовой выборки, для которой проведена процедура стемминга.
+	D.	Провести пункт A для обучающей и тестовой выборки, для которой выполнен стемминг.
-    
-	F.	Векторизовать выборки с помощью TfidfTransformer (с использованием TF и TF-IDF взвешиваний).
 	
+7. Рассчитать сходство по коэффициенту Жаккара между тремя классами для исходых выборок и для выборок после отсечения стоп-слов. При подсчете использовать все слова выборки.
 7. Используя конвейер (Pipeline) реализовать модель Наивного Байесовского классификатора и выявить на основе показателей качества 
 (значения полноты, точности, f1-меры и аккуратности), какая предварительная обработка данных обеспечит наилучшие результаты классификации. 
 Должны быть исследованы следующие характеристики:
@@ -40,9 +37,7 @@
 	Теперь фиксируем B = False, C = 20,42, ищем оптимальное значение переменной A, и т.д.
 
 8. По каждому пункту работы занести в отчет программный код и результат вывода.
-9. По результатам классификации занести в отчет выводы о влиянии каждого из этапом предобработки данных (наличие стемминга, взвешивание терминов, стоп-слова, количество информативных терминов)
+9. По результатам классификации занести в отчет выводы о влиянии каждого из этапов предобработки данных (наличие стемминга, взвешивание терминов, стоп-слова, количество информативных терминов) и о наиболее подходящей их комбинации. Объяснить различия (если имеются) в качестве классификации разных классов. 
-и о наиболее подходящей их комбинации. Объяснить различия (если имеются) в качестве классификации разных классов. 
-
 
 
 ## Варианты заданий