Icon

JKISeason2-6@obito_​od

Just Knime It season2-6@obito_od

Just KNIME It! Season2
Challenge 06: Airline Reviews
@obito_od回答例






説明 あなたはマーケティング会社で、航空会社数社のオンラインプレゼンスを監視し、その会社がどのように評価されているかを理解しています。あなたは、航空会社に関するツイートが肯定的か、中立的か、否定的かを識別するよう依頼され、このタスクのために簡単なセンチメント分析分類器を実装することにしました。このプロセスを自動化した場合、どの程度の精度を得ることができますか？その分類器は、企業のレビュアーの時間を節約するのに役立ちそうですか？注：データセットのサイズを考えると、分類器のトレーニングは、あなたのマシンで実行するのに少し時間がかかるかもしれません（特に、より高度な方法を使用する場合）。この課題では、解答のスピードを上げたい場合は、データセットの一部だけを自由に使ってください。ヒント1：Textprocessingエクステンションで、ツイートの単語を分類器が探索できる特徴に変換する方法について詳しく学びましょう。ヒント2: 作業の一部をより早く終わらせたい場合は、共有コンポーネントEnrichment and PreprocessingとDocument Vectorization（この順番で！）を研究、使用、および適応させてください。これらは特にこの課題のために作られたものです。 ヒント3：決定木モデルを作成し、それを評価するために、データセットをトレーニングセットとテストセットに分割することを忘れないでください。好きなように分割してください。 Just Knime It season2-6 Knime ver. : 4.7.2 方針感情分析で使用されていた気がする解析を片っ端から実施してスコア比較。1.配布されているcomponentを適用する。2.学習データと予測データ用に50%/50%で分ける。3.片っ端からモデル適用4.スコアとROCカーブ(positive)でモデル比較※本当はパラメータ最適化もやりたかったけども時間とリソースの都合上できないので例を一つだけ作ってごまかす。 本当はやりたかったこと:パラメータ最適化の1例 時間とリソースの都合上ほとんど設定、確認していないのでこのままでは多分accuracy上がりません。 データ読み込み数を間引く(PCリソースの都合)50%/50%に分けるSVMモデル作成予測パラメータ最適化スタート最適化終了予測スコア化bestパラメータをvariable化モデル作成予測スコア化モデル作成Enrichment andPreprocessing Table Reader DocumentVectorization Partitioning Partitioning SVM Learner SVM Predictor 可視化 その他モデル作成_予測 Parameter OptimizationLoop Start ParameterOptimization Loop End Random ForestPredictor Scorer Table Rowto Variable Random ForestLearner Random ForestPredictor Scorer (JavaScript) Random ForestLearner 説明 あなたはマーケティング会社で、航空会社数社のオンラインプレゼンスを監視し、その会社がどのように評価されているかを理解しています。あなたは、航空会社に関するツイートが肯定的か、中立的か、否定的かを識別するよう依頼され、このタスクのために簡単なセンチメント分析分類器を実装することにしました。このプロセスを自動化した場合、どの程度の精度を得ることができますか？その分類器は、企業のレビュアーの時間を節約するのに役立ちそうですか？注：データセットのサイズを考えると、分類器のトレーニングは、あなたのマシンで実行するのに少し時間がかかるかもしれません（特に、より高度な方法を使用する場合）。この課題では、解答のスピードを上げたい場合は、データセットの一部だけを自由に使ってください。ヒント1：Textprocessingエクステンションで、ツイートの単語を分類器が探索できる特徴に変換する方法について詳しく学びましょう。ヒント2: 作業の一部をより早く終わらせたい場合は、共有コンポーネントEnrichment and PreprocessingとDocument Vectorization（この順番で！）を研究、使用、および適応させてください。これらは特にこの課題のために作られたものです。 ヒント3：決定木モデルを作成し、それを評価するために、データセットをトレーニングセットとテストセットに分割することを忘れないでください。好きなように分割してください。 Just Knime It season2-6 Knime ver. : 4.7.2 方針感情分析で使用されていた気がする解析を片っ端から実施してスコア比較。1.配布されているcomponentを適用する。2.学習データと予測データ用に50%/50%で分ける。3.片っ端からモデル適用4.スコアとROCカーブ(positive)でモデル比較※本当はパラメータ最適化もやりたかったけども時間とリソースの都合上できないので例を一つだけ作ってごまかす。 本当はやりたかったこと:パラメータ最適化の1例 時間とリソースの都合上ほとんど設定、確認していないのでこのままでは多分accuracy上がりません。 データ読み込み数を間引く(PCリソースの都合)50%/50%に分けるSVMモデル作成予測パラメータ最適化スタート最適化終了予測スコア化bestパラメータをvariable化モデル作成予測スコア化モデル作成 Enrichment andPreprocessing Table Reader DocumentVectorization Partitioning Partitioning SVM Learner SVM Predictor 可視化 その他モデル作成_予測 Parameter OptimizationLoop Start ParameterOptimization Loop End Random ForestPredictor Scorer Table Rowto Variable Random ForestLearner Random ForestPredictor Scorer (JavaScript) Random ForestLearner

Nodes

Extensions

Links

Download

To use this workflow in KNIME, download it from the below URL and open it in KNIME:

Download Workflow
Created by: F065807
Created at: 2023-03-30
On NodePit since: 2023-05-09
Last update: 2024-04-27
Created with KNIME version: v4.7.2
Tags: @obito_odJKISeason2-6

Deploy, schedule, execute, and monitor your KNIME workflows locally, in the cloud or on-premises – with our brand new NodePit Runner.

Try NodePit Runner!