39 lines
2.0 KiB
Markdown
39 lines
2.0 KiB
Markdown
# Instrukcja
|
|
|
|
Wykorzystaj przygotowany klasyfikator do sklasyfikowania danych wejściowych z **in.tsv** (z preprocessingiem) lub **raw.tsv** (bez preporcessingu). Następnie zapisz wyniki do **predicted.tsv** pamiętając o tym, że kolejność ma znaczenie. Następnie uruchom **evaluate.ipynb** i sprawdź wynik.
|
|
|
|
Do stworzenia własnego preprocessignu zmodyfikuj **preprocess.ipynb**, ale **nie pushuj** zmodyfikowanego notebooka.
|
|
|
|
## Klasy
|
|
|
|
#### Klasy = ['request', 'inform', 'bye', 'reqmore', 'help', 'ack', 'affirm', 'hello', 'thankyou', 'null']
|
|
Musisz wykorzystywać takie same nazwy klas, podanie **'request()'** dla **'request'** zostanie uznane za błąd.
|
|
|
|
Jeśli jedna wypowiedź miała dwie etykiety (np. hello & request) dane został zapisane dwukrotnie z różnymi etykietami.
|
|
|
|
in.tsv|evaluate.tsv
|
|
---|---
|
|
Oki, to będzie tyle | ack
|
|
Oki, to będzie tyle | inform
|
|
|
|
|
|
Tak, uzysaknie 100% dokładności może być niemożliwe.
|
|
|
|
## Opis plików .ipynb
|
|
|
|
#### evaluate.ipynb
|
|
Zwraca wynik klasyfikacji porównując **predicted.tsv** do **evaluate.tsv**.
|
|
|
|
#### preprocess.ipynb
|
|
Preprocessuje dane wejściowe. Pozwala zobaczyć jak działa preprocessing i pozwala na zrobienie własnego preporcessingu. Odkomentowanie ostatniej komórki nadpisze **in.tsv**.
|
|
|
|
## Opis plików .tsv
|
|
|
|
#### in.tsv
|
|
Dane wejściowe z preprocessingiem, domyślne wejście.
|
|
#### raw.tsv
|
|
Dane wejściowe bez prerocessingu, skorzystaj z tego jeśli chcesz zastosować własny preprocessing.
|
|
#### predicted.tsv
|
|
W tym pliku zapisz swoje predykcje dla danych z **in.tsv** lub **raw.tsv**
|
|
#### evaluate.tsv
|
|
Ten plik zawiera zaadnotowane etykiety aktów dla wypowiedzi z **in.tsv**/**raw.tsv**. **Nie zmieniaj tego pliku.** Przy wykorzystani tego pliku do uczenia maszynowego nie używaj **evaluate.ipynb** do oceny modelu, zamiast tego podziel dane na treningowe, walidacyjne i testowe. Ewaluuj model na części danych nie wykorzystanych podczas treningu (na testowych, jeśli wykorzystujesz do treningu dane treningowe i walidacyjne). Pamiętaj, żeby przed podziałem zbioru wymieszać kolejność. |