文件名称：灾难响应RNN-RF-
文件大小：700KB
文件格式：ZIP
更新时间：2024-03-07 00:58:07
JupyterNotebook
灾难响应消息分析项目-集成和RNN方法 在本笔记本中，我探索了三种分析文本数据以预测文本主题的方法。 这是通过数据完成的，中有来自灾难幸存者的已编译文本消息，目的是对它们进行分类，以了解处理灾难时的优先级。 文献资料 以下项目是Udacity的数据科学纳米学位计划的一部分，该计划提供了原始数据库。 该信息如图8所示。 表格中分析的文本消息具有三种类型，分布如下所示： 需要注意的另一重要事项是所分析的文本与灾难相对应。 在下面您可以找到不同文本中最常见的10个单词： 在该项目中，您将发现两个部分： 应用程序：在项目的“应用程序”部分中，有一个Web应用程序，它使用分析后的信息来制作图形和预测。 该预测是通过模型完成的，该模型是根据Udacity提供的信息进行训练的。 Udacity提供的Web应用程序模板。 笔记本：在笔记本中，您还可以找到随机森林模型，预处理和图形。 它还包含一个
【文件预览】：
Disaster-Response-RNN-RF--master
----models()
--------train_classifier.py(5KB)
--------classifier.pkl(133B)
----proyect_disaster_respones.ipynb(421KB)
----images()
--------top_10_words.png(16KB)
--------word_cloud.png(164KB)
--------genre_distribution.png(14KB)
----data()
--------train_classifier.py(5KB)
--------process_data.py(3KB)
----app()
--------templates()
--------run.py(4KB)
----.gitignore(75B)
----.ipynb_checkpoints()
--------proyect_disaster_respones-checkpoint.ipynb(421KB)
----README.md(4KB)
----.gitattributes(84B)