معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Tools for assessing the difficulty of datasets for machine learning models

ویژگی	مقدار
سیستم عامل	-
نام فایل	edm-0.0.4
نام	edm
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ed Collins
ایمیل نویسنده	ed@wluper.com
آدرس صفحه اصلی	https://github.com/Wluper/edm
آدرس اینترنتی	https://pypi.org/project/edm/
مجوز	GPL v2

# Evolutionary Data Measures: Understanding the Difficulty of Text Classification Tasks **Authors:** _Ed Collins, Nikolai Rozanov, Bingbing Zhang_ **Contact:** _contact@wluper.com_ In the paper of the corresponding name, we discuss how we used an evolutionary algorithm to discover which statistics about a text classification dataset most accurately represent how difficult that dataset is likely to be for machine learning models to learn. We presented there the difficulty measure which we discovered and have provided this Python package of code which can calculate it. ## Installation This code is pip-installable so can be installed on your machine by running: `pip3 install edm` The code requires Python 3 and NumPy. It is recommended that you install this code in a `virtualenv`: ```commandline $ mkdir myvirtualenv/ $ virtualenv -p python3 myvirtualenv/ $ source bin/activate (myvirtualenv) $ pip3 install edm ``` ## Running To calculate the difficulty of a text classification dataset, you will need to provide two lists: one of sentences and one of labels. These two lists need to be the same length - i.e. every sentence has a label. Each item of data should be an untokenized string and each label a string. ```python >>> sents, labels = your_own_loading_function(PATH_TO_DATA_FILE) >>> sents ["this is a positive sentence", "this is a negative sentence", ...] >>> labels ["positive", "negative", ...] >>> assert len(sents) == len(labels) True ``` This code does **not** support the loading of data files (e.g. csv files) into memory - you will need to do this separately. Once you have loaded your dataset into memory, you can receive a "difficulty report" by running the code as follows: ```python from edm import report sents, labels = your_own_loading_function(PATH_TO_DATA_FILE) print(report.get_difficulty_report(sents, labels)) ``` Note that if your dataset is very large, then counting the words of the dataset may take several minutes. The Amazon Reviews dataset from _Character-level Convolutional Networks for Text Classification_ by Xiang Zhang, Junbo Zhao and Yann LeCun, 2015 which contains 3.6 million Amazon reviews takes approximately 15 minutes to be processed and the difficulty report created. A loading bar will be displayed while the words are counted.

زبان مورد نیاز

مقدار	نام
~=3.3	Python

نحوه نصب

نصب پکیج whl edm-0.0.4:

pip install edm-0.0.4.whl

نصب پکیج tar.gz edm-0.0.4:

pip install edm-0.0.4.tar.gz