|
|
---
|
|
|
language:
|
|
|
- pl
|
|
|
library_name: sklearn
|
|
|
tags:
|
|
|
- text-classification
|
|
|
- sentiment-analysis
|
|
|
---
|
|
|
|
|
|
# Mój Pierwszy Model Testowy (Sentiment Analysis PL)
|
|
|
|
|
|
To jest prosty model klasyfikacji tekstu (pozytywny/negatywny) stworzony przy użyciu biblioteki Scikit-Learn.
|
|
|
Projekt służy jako test workflow dodawania modeli na platformę Hugging Face.
|
|
|
|
|
|
## Opis
|
|
|
Model wykorzystuje algorytm **Naive Bayes** oraz **CountVectorizer** do analizy prostych zdań w języku polskim.
|
|
|
|
|
|
## Jak używać (Python)
|
|
|
|
|
|
Możesz pobrać model i użyć go w swoim kodzie:
|
|
|
|
|
|
```python
|
|
|
import joblib
|
|
|
from huggingface_hub import hf_hub_download
|
|
|
|
|
|
# Pobranie modelu z repozytorium
|
|
|
model_path = hf_hub_download(repo_id="TWÓJ_NICK/NAZWA_REPO", filename="model.joblib")
|
|
|
|
|
|
# Ładowanie modelu
|
|
|
model = joblib.load(model_path)
|
|
|
|
|
|
# Predykcja
|
|
|
print(model.predict(["To jest całkiem niezłe"]))
|
|
|
|
|
|
*Pamiętaj, żeby w kodzie powyżej zamienić `TWÓJ_NICK/NAZWA_REPO` na prawdziwe dane po utworzeniu repozytorium.*
|
|
|
|
|
|
---
|
|
|
|
