Classificatie van teksten in thematische categorieën

📰 Classificatie van teksten in thematische categorieën

📘 Probleembeschrijving

Het doel is om een tekstclassificatiemodel te bouwen dat aan elk nieuwsartikel een van de drie thematische categorieën toewijst:

• WELLNESS
• ENTERTAINMENT
• POLITICS

Het model moet leren op basis van de trainingsteksten en het label (label) voorspellen voor nieuwe teksten.

Dit is een multi-class classificatie probleem.

---

🔹 Datastructuur

train.csv

Bevat de tekst en de bijbehorende categorie (label).
Elke rij vertegenwoordigt een nieuwsartikel.

SampleID	text	label
139768	Take a Presence Power Break (The New Coffee Break) As soon as you honor the present moment...	WELLNESS
297	Yolanda Hadid Returns To Social Media After 9-Month Break For Depression, Lyme Relapse...	ENTERTAINMENT
2274	Democrats Want Paid Sick Days, Breaks For Domestic Workers...	POLITICS

---

test.csv

Bevat alleen de teksten waarvoor een voorspelling moet worden gemaakt.

SampleID	text
106057	Taylor Swift Calls Out Sexist Critics Again

---

📤 Inzending

Het uitvoerbestand moet submission.csv heten en twee kolommen bevatten:

• SampleID — de unieke identificatie van de tekst
• label — de door het model voorspelde categorie (WELLNESS, ENTERTAINMENT of POLITICS)

Voorbeeld:

SampleID	label
106057	ENTERTAINMENT
297	ENTERTAINMENT
2274	POLITICS

---

⚙️ Evaluatie

De prestatie van de modellen wordt gemeten met behulp van de macro F1-score, een gebalanceerde metriek voor multi-class classificatie:

waarbij:

• 
• 

De eindscore wordt berekend als het rekenkundig gemiddelde van de F1-scores voor alle klassen.

---

📊 Bron

De dataset is afgeleid van een verzameling nieuwsartikelen met diverse thema's (welzijn, entertainment, politiek), afkomstig van openbare mediaplatforms.

---

🗂️ Nuttige bronnen

• Volledige Starter Kit – bevat een skelet waarvan u kunt beginnen met het oplossen van het probleem