آموزش دسته‌بند کوچک متن با نمونه‌های خودتان
دسته‌بند محلی Naive Bayes برچسب‌های شما را یاد می‌گیرد؛ کیفیت نتیجه به نمونه‌ها بستگی دارد.
نمونهٔ برچسب‌دار آماده کنید
آرایهٔ JSON با کلیدهای label و text وارد کنید. ۴ تا ۶۰ نمونه، ۲ تا ۱۰ برچسب و حداقل دو نمونه برای هر برچسب لازم است. برچسب تا ۶۰ نویسه و متن هر نمونه تا ۱۰۰۰ نویسه است و سقف کلی ورودی آموزش هم برقرار می‌ماند.
تفاوت واقعی موردنظر را نمایندگی کنید
نمونه باید شبیه متن‌هایی باشد که بعداً دسته‌بندی می‌کنید. اگر یک دسته فقط واژه‌های محصول و دستهٔ دیگر فقط واژه‌های ورزش داشته باشد، همین الگوهای واژگانی نتیجه را هدایت می‌کنند. تکرار نمونهٔ مشابه، کارکرد روی متن جدید را ثابت نمی‌کند.
وزن نسبی را با دقت تفسیر کنید
مدل چندجمله‌ای Naive Bayes فقط در حافظهٔ صفحه آموزش می‌بیند. وزن‌ها دقت اندازه‌گیری‌شده یا اطمینان کالیبره نیستند. اگر اشتراک واژگانی پیدا نشود، ابزار همین محدودیت را اعلام می‌کند و برچسب تصادفی نمی‌سازد.
با متن تازه آزمایش کنید
متن خارج از آموزش، عبارت مبهم و موضوع نامرتبط را امتحان کنید. خطا را بررسی و نمونه‌ها را بهتر کنید. مدل و دادهٔ آموزش در حساب کاربری یا پایگاه دادهٔ مرورگر ذخیره نمی‌شوند؛ خروجی دانلودشده روی دستگاه باقی می‌ماند.