Procesamiento del lenguaje
Clasificación de noticias de HuffPost
Python
scikit-learn
NLP
Clasificador de texto con TF-IDF y SVM lineal, con optimización de hiperparámetros y evaluación con matriz de confusión.
Qué es
Un sistema de clasificación de texto aplicado a datos de noticias de HuffPost, construido con máquinas de vectores de soporte.
Flujo de trabajo
- Preparación de datos: unión y preprocesado de los textos.
- Vectorización TF-IDF y generación de embeddings.
- Entrenamiento de un modelo
LinearSVC. - Optimización de hiperparámetros y evaluación, con visualización de la matriz de confusión.
- Las predicciones, gráficos y el modelo serializado se guardan como resultados.
Stack
Python 3.8+, scikit-learn y joblib.