La classificazione del testo è un problema fondamentale di machine learning per le applicazioni in vari prodotti. In questa guida, abbiamo suddiviso il flusso di lavoro di classificazione del testo in più passaggi. Per ogni passaggio, abbiamo suggerito un approccio personalizzato in base alle caratteristiche del tuo set di dati specifico. In particolare, utilizzando il rapporto tra il numero di campioni e il numero di parole per campione, suggeriamo un tipo di modello che ti consenta di avvicinarti rapidamente alle prestazioni migliori. Gli altri passaggi sono studiati in base a questa scelta. Ci auguriamo che seguire la guida, il codice di accompagnamento e il grafico di flusso ti aiutino ad apprendere, comprendere e ottenere una soluzione rapida e di prima scelta al tuo problema di classificazione del testo.
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2023-10-23 UTC.
[null,null,["Ultimo aggiornamento 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."]]],[]]