文件名称：假新闻：从最初的构想到模型部署，构建一个假新闻检测器
文件大小：2.65MB
文件格式：ZIP
更新时间：2024-02-24 19:21:03
nlp natural-language-processing scikit-learn pytorch machinelearning
机器学习支持的虚假新闻检测器 从初始构想到部署，构建端到端机器学习项目的完整示例。 此回购随附于博客文章系列，描述了如何构建假新闻检测应用程序。 这里包含的帖子： ：描述项目构想，设置存储库和初始项目工具。 ：描述如何使用工具获取数据集并执行探索性数据分析，以便更好地理解问题。 ：描述如何为第一个ML模型（随机森林分类器）获得功能训练/评估管道，包括如何正确测试管道的各个部分。 ：描述如何解释通过特征分析（通过诸如类的技术）和错误分析所学的第一个模型。 也可用于由驱动的第二个模型。 ：描述如何使用和部署模型以及构建随附的Chrome扩展程序。 还说明了用于以可伸缩和可复制的方式在应
【文件预览】：
fake-news-master
----config()
--------random_forest.json(441B)
--------roberta.json(513B)
----fake_news()
--------server()
--------model()
--------train.py(3KB)
--------__init__.py(0B)
--------utils()
----deploy()
--------Dockerfile.serve(323B)
--------Dockerfile(116B)
--------extension()
----data()
--------raw()
--------processed()
----.github()
--------workflows()
----dvc.yaml(1KB)
----assets()
--------shorter_live_run.gif(1.84MB)
----tests()
--------test_model.py(3KB)
--------test_features.py(3KB)
--------fixtures()
--------great_expectations()
----dvc.lock(3KB)
----LICENSE(34KB)
----.dvcignore(139B)
----.dvc()
--------config(73B)
--------plots()
--------.gitignore(26B)
----requirements.txt(435B)
----.gitignore(92B)
----README.md(5KB)
----scripts()
--------compute_credit_bins.py(924B)
--------normalize_and_clean_data.py(2KB)
----notebooks()
--------data_analysis.ipynb(4.57MB)
--------error_analysis.ipynb(866KB)