Die Textklassifizierung ist ein grundlegendes Problem des maschinellen Lernens bei Anwendungen in verschiedenen Produkten. In diesem Leitfaden wurde der Workflow für die Textklassifizierung in mehrere Schritte unterteilt. Für jeden Schritt haben wir einen individuellen Ansatz vorgeschlagen, der auf den Merkmalen Ihres spezifischen Datasets basiert. Insbesondere empfehlen wir unter Verwendung des Verhältnisses der Anzahl der Stichproben zur Anzahl der Wörter pro Stichprobe einen Modelltyp, mit dem Sie schnell der besten Leistung annähern. Die anderen Schritte basieren auf dieser Auswahl. Der entsprechende Code und das Flussdiagramm sollen Ihnen dabei helfen, Ihr Problem mit der Textklassifizierung besser zu verstehen und schnell eine Lösung für den Einstieg zu finden.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2023-10-23 (UTC).
[null,null,["Zuletzt aktualisiert: 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."]]],[]]