იტვირთება...
ამოცანა #30
ავტორი:Mihai Nan
სირთულე
თქვენი საუკეთესო შედეგი
არ არის
მოითხოვება კლასიფიკაციის მოდელის აშენება, რომელიც პროგნოზირებს ტექსტთან ასოცირებულ მთავარ ემოციას.
ყოველი მაგალითი ხასიათდება მოკლე ტექსტით და ეტიკეტი (label) წარმოადგენს შესაბამის ემოციას (მაგ: joy, anger, sadness, და ა.შ.).
ეს პრობლემა მიეკუთვნება მრავალკლასიანი კლასიფიკაციის კატეგორიას.
text – შეტყობინების ან სტატიის ტექსტური შინაარსისამიზნე ეტიკეტია:
label – ტექსტთან ასოცირებული ემოცია (string)train.csvშეიცავს სვეტებს:
SampleIDtextlabelმაგალითი:
| SampleID | text | label |
|---|---|---|
| 1 | "I am so happy today!" | joy |
| 2 | "I feel really angry about this situation." | anger |
| 3 | "Feeling a bit sad after watching that movie." | sadness |
test.csvშეიცავს იგივე სვეტებს label-ის გარეშე, მაგრამ მოიცავს SampleID-ს.
მაგალითი:
| SampleID | text |
|---|---|
| 101 | "What a wonderful surprise!" |
| 102 | "I can't believe this happened." |
გამოსავალი ფაილი (submission.csv) უნდა შეიცავდეს ზუსტად ორ სვეტს:
SampleIDlabel – მოდელის მიერ პროგნოზირებული ეტიკეტიმაგალითი:
| SampleID | label |
|---|---|
| 101 | joy |
| 102 | surprise |
მოდელების შეფასება განხორციელდება Macro F1-score-ის გამოყენებით:
სადაც:
საბოლოო ქულა გარდაიქმნება 0–100 ინტერვალში, ისე რომ დიდი F1 გამოიწვევს დიდ ქულას. მაქსიმალური ქულისთვის, F1 უნდა იყოს 0.9-ზე მეტი ან ტოლი.
მონაცემთა ნაკრები მოდის Kaggle-დან: Kaggle Emotion Dataset.