La clasificación de texto es un problema fundamental de aprendizaje automático con aplicaciones en varios productos. En esta guía, dividimos el flujo de trabajo de la clasificación de texto en varios pasos. Para cada paso, sugerimos un enfoque personalizado en función de las características de tu conjunto de datos específico. En particular, mediante el uso de la proporción entre la cantidad de muestras y la cantidad de palabras por muestra, sugerimos un tipo de modelo que te acerque rápidamente al mejor rendimiento. Los otros pasos están diseñados en función de esta elección. Esperamos que seguir la guía, el código que los acompaña y el diagrama de flujo te ayuden a aprender, comprender y obtener una solución rápida a tu problema de clasificación de texto.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2023-10-23 (UTC)
[null,null,["Última actualización: 2023-10-23 (UTC)"],[[["This guide provides a structured workflow for text classification, breaking it down into manageable steps tailored to your dataset's characteristics."],["Model selection is guided by the ratio of samples to words per sample, helping you quickly identify a suitable model for optimal performance."],["The guide includes code and a flowchart to facilitate learning, understanding, and implementing a first-cut solution for your text classification problem."]]],[]]