http://python.divz.ru/python.php?mode=view2&mid=44

Вот этот говноскриптик

Какая точность на валидации в итоге получилась?

Понятия не имею
Я в нейросетях профан пока
Как это протестить?

Как самый простой вариант https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

пропусти через свой классификатор примеры, на которых он не обучался и оцени через эту функцию предсказанное с действительным

Окей спасибо

Только это не нейросеть

ну может для этой задачи хватит и tfidf над sgd

Несомненно, и это даже лучше чем сетка в данном случае, я почти уверен
Просто ради терминологической точности

не, не лучше, но, думаю, ненамного хуже.

На маленьких данных скорее лучше

так можно же pre-training сделать

I am getting an error of broken pipe in python, how to solve this??

Actually I am working on topic modelling, but when calculating coherence score, it is showing broken pipe error

How to solve this??

rerun your notebook

Okay let me try that

No same issue is still happening

Добрый вечер.
Есть маркетинговая активность в пределах клиенской базы, когда менеджер звонит клиенту,
узнает о его текущем состоянии предлагает что то актуальное для клиента, узнает о потребностях после чего оставляет комментарий в срм системе.
Дальше на человек вычитывает все эти комментарии, группирует для каждой отдельной компании комментарии в однообразные группы,
и делает отчет по  конкретной кампании продаж. Отчет вида была проведена такая то компания, предлагалось <тема компании>,
50 процентов клиентов отвечали Х 30 процентов отвечали Y 10 процентов Z ,10 иное. Эту активность хочется попробовать автоматизировать.
Параметры кампаний 300 - 5000 клиентов, длинна комментариев до 1000 символов, Доступно около 100 компаний(компаний неоднородные по цели но есть пересечения).
Можно ли тут обойтись без разметки. Если нет то как размечать?
Какие методы стоит попробовать?

получается, tfidf выделяет вопросительные слова, а дальше загоняется в сгд классификатор?