Machine learning in python - 7 - Come fare machine learning sul testo

[@SieronOfficial]

Molto interessanti i temi trattati e molto esplicativo. Ho usato reti neurali all'università e solo a scopo didattico, infatti abbiamo scritto ogni singola funzione che ci serviva senza importare nulla (in Matlab a oggetti tra l'altro), vedendo quante e quali sono le librerie già ottimizzate il lavoro è più semplice e più performante. Grazie mille e davvero Complimenti

[@PieroSavastano]

Scrivere da zero è ottimo per imparare, poi quando si passa al professionismo conviene troppo di più utilizzare le librerie

[@massimomiserendino4298]

Grazie del video Piero! Ho un piccolo dubbio: i test di regressione che abbiamo visto a cosa potrebbero servire per questo tipo di dati? Grazie mille sono molto divertenti questi tutorial :)

[@massimomiserendino4298]

Come non detto, ho visto che lo spieghi nel video successivo!

[@PieroSavastano]

@@massimomiserendino4298 ok Massimo! Quando vuoi

[@andreacorvaglia2533]

Grazie del video Piero. Piccolo dubbio: con vectorizer.inverse_trasform(X) non ottengo mica la matrice di partenza! Mi perdo il doppio "ciao" del record 0: [array(['ciao', 'miao'], dtype='

[@PieroSavastano]

Nella versione vettorizzata c'è il 2 per il ciao invece che 1? Altrimenti devi dare al CountVectorizer binary=False (che però dovrebbe essere il default) In effetti c'è la possibilità che oltre a perdere l'ordine delle parole di partenza perdi anche il conteggio, l'importante è che quel 2 sia nel testo vettorizzato grazie a te

[@andreacorvaglia2533]

@@PieroSavastano Sì, nel testo vettorizzato mi mette il 2 ma poi lo perde nel inverse_trasform. Magari sbaglio io qualcosa, ma non mi sembra abbia opzioni da specificare. Farò qualche altro test!

[@PieroSavastano]

@@andreacorvaglia2533 credo che sia come hai trovato, inverse_transform perde sia l'ordine che il conteggio originale delle parole

[@marcobusellato1544]

A quando il prossimo video?

[@PieroSavastano]

Oggi attiva la campanella ;)