[英]How to get most significant tokens for each label in Fasttext supervised classification model?
我已經使用.train_supervised()訓練了一個Fasttext model，但我不知道如何根據 Z20F35E630DAF44DBFA4C3F68F5399D8C 為每個 label 獲取最重要的單詞。
我有三個標簽，所以我希望能夠做類似的事情
model.label["__label__1"].get_most_significant()
關於如何實現這一目標的 go 有什么建議嗎？
我沒有注意到原始 FastText 代碼中的任何此類功能，因此也不希望它出現在 Python 包裝器中。
通過這個過程，你可能會得到一些你想要的東西：
k個標簽進行概率預測k可能與所有標簽的計數一樣大n結果作為最能表明 label 的詞
如何在 PyTorch 中找到對文本分類 model 的 label 結果負責的（最重要的）負責詞/標記/嵌入
[英]How to find the (Most important) responsible Words/ Tokens/ embeddings responsible for the label result of a text classification model in PyTorch
使用fasttext api監督分類在Windows中測試時返回空數組
[英]supervised classification with fasttext api returns empty array when tested in windows
如何從有監督的多標簽機器學習模型中獲得“無標簽”？
[英]How to get "no label" from a supervised multi-label machine learning model?
fasttext 監督學習 model 背后發生了什么？
[英]What is happening under the hood of fasttext supervised learning model?
我如何得到這個 model 來預測多 label 分類值？
[英]How do I get this model to predict the multi label classification value?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.