Глоссарий ИИ
Полный словарь искусственного интеллекта
Ядровые методы машинного обучения
Набор методов, позволяющих преобразовать нелинейно разделимые данные в пространство большей размерности, где они становятся линейно разделимыми, в основном используется с SVM для анализа тональности.
Векторизация TF-IDF
Метод взвешивания, который оценивает важность слова в документе относительно коллекции документов, критически важен для преобразования текста в числовые признаки для классических алгоритмов.
Отчет о классификации
Полная метрика, включающая точность, полноту и F1-score для каждого класса тональности (положительный, отрицательный, нейтральный), предоставляющая подробную оценку производительности модели.
Недообучение (Underfitting)
Ситуация, когда модель слишком проста для захвата сложности обучающих данных, что приводит к плохой обобщающей производительности при анализе тональности.
Стоп-слова
Распространенные слова (артикли, предлоги, союзы), часто удаляемые при предварительной обработке, так как несут мало различающего смысла для классификации тональности.
Балансировка классов
Метод обработки данных для исправления неравномерного распределения классов тональности, существенный для предотвращения предсказательных смещений в пользу большинства класса.
Обучение с учителем
Парадигма обучения, при которой модель обучается на наборе данных с правильными метками тональности, позволяя ей изучить функцию отображения между текстами и их полярностями.