def check_genre(text):
LABELS = ["OKです。", "スパムです！"]
data = tfidf.calc_text(text)
model._make_predict_function()
pre = model.predict(np.array([data]))[0]
n = pre.argmax()
print(LABELS[n], "(", pre[n], ")")
return LABELS[n], float(pre[n]), int(n)
def check_genre(text):
# ラベルの定義
LABELS = ["kaden-channel", "IT", "peachy", "topic-news"]
# TF-IDFのベクトルに変換
data = tfidf.calc_text(text)
# MLPで予測
pre = model.predict(np.array([data]))[0]
n = pre.argmax()
print(LABELS[n], "(", pre[n], ")")
return LABELS[n], float(pre[n]), int(n)
def check_genre(text):
# 레이블 정의하기
LABELS = ["정치", "경제", "생활 ", "IT/과학"]
# TF-IDF 벡터로 변환하기 -- (*5)
data = tfidf.calc_text(text)
# MLP로 예측하기 --- (*6)
pre = model.predict(np.array([data]))[0]
n = pre.argmax()
print(LABELS[n], "(", pre[n], ")")
return LABELS[n], float(pre[n]), int(n)
def check_genre(text):
# ラベルの定義
LABELS = ["スポーツ", "IT", "映画", "ライフ"]
# TF-IDFのベクトルに変換 -- (*5)
data = tfidf.calc_text(text)
# MLPで予測 --- (*6)
pre = model.predict(np.array([data]))[0]
n = pre.argmax()
print(LABELS[n], "(", pre[n], ")")
return LABELS[n], float(pre[n]), int(n)
def predict_genre(text):
#クラス分類するラベルの指定
LABELS = ["スポーツ", "IT", "映画", "国際"]
#テキストのTF-IDF値を求める
data = tfidf.calc_text(text)
#テキストのIF-IDF値を入力し、推論を行う
pre = model.predict(np.array([data]))[0]
#確率が最大となるインデックス値を返す
n = pre.argmax()
#推論結果のクラスを表示
print('【文書】', text, ' 【予測カテゴリ】', LABELS[n], ' 【予測確率】', pre[n])
#推論結果のクラス、確率値、推論クラスのインデックスを返す
return LABELS[n], float(pre[n]), int(n)
#RFで学習
model.fit(x_train, y_train)
#テストデータに対して推論を行う
y_pred = model.predict(x_test)
#推論結果と正解ラベルの精度を求める
acc = metrics.accuracy_score(y_test, y_pred)
#推論結果に対して'適合率(precision)'、'再現率(recall)'、
#'F値(f1-score=適合率と再現率の調和平均)'を求める
#('support' is the number of occurrences of each class in y_true)
rep = metrics.classification_report(y_test, y_pred)
#精度の表示
print("精度＝", acc)
#classification_reportの結果を表示
print(rep)
#入力したテキストに対して推論を結果をテスト
LABELS = ["スポーツ", "IT", "映画", "国際"]
test = "今日は野球の試合がありますね。"
#辞書データの読み込み
tfidf.load_dic("data/pkl/dic.pkl")
#テキストをIF-IDFでベクトル化
preprocessed_input = tfidf.calc_text(test)
#テキストのカテゴリを推論
y_pred = model.predict(np.array([preprocessed_input]))[0]
#最尤推定値のインデックスを取得
mle_index = y_pred.argmax()
#推論結果のカテゴリを表示
print("推論結果:", LABELS[mle_index])