Upload 2 files
Browse files- README.md +37 -0
- model.joblib +3 -0
README.md
ADDED
|
@@ -0,0 +1,37 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- pl
|
| 4 |
+
library_name: sklearn
|
| 5 |
+
tags:
|
| 6 |
+
- text-classification
|
| 7 |
+
- sentiment-analysis
|
| 8 |
+
---
|
| 9 |
+
|
| 10 |
+
# Mój Pierwszy Model Testowy (Sentiment Analysis PL)
|
| 11 |
+
|
| 12 |
+
To jest prosty model klasyfikacji tekstu (pozytywny/negatywny) stworzony przy użyciu biblioteki Scikit-Learn.
|
| 13 |
+
Projekt służy jako test workflow dodawania modeli na platformę Hugging Face.
|
| 14 |
+
|
| 15 |
+
## Opis
|
| 16 |
+
Model wykorzystuje algorytm **Naive Bayes** oraz **CountVectorizer** do analizy prostych zdań w języku polskim.
|
| 17 |
+
|
| 18 |
+
## Jak używać (Python)
|
| 19 |
+
|
| 20 |
+
Możesz pobrać model i użyć go w swoim kodzie:
|
| 21 |
+
|
| 22 |
+
```python
|
| 23 |
+
import joblib
|
| 24 |
+
from huggingface_hub import hf_hub_download
|
| 25 |
+
|
| 26 |
+
# Pobranie modelu z repozytorium
|
| 27 |
+
model_path = hf_hub_download(repo_id="TWÓJ_NICK/NAZWA_REPO", filename="model.joblib")
|
| 28 |
+
|
| 29 |
+
# Ładowanie modelu
|
| 30 |
+
model = joblib.load(model_path)
|
| 31 |
+
|
| 32 |
+
# Predykcja
|
| 33 |
+
print(model.predict(["To jest całkiem niezłe"]))
|
| 34 |
+
|
| 35 |
+
*Pamiętaj, żeby w kodzie powyżej zamienić `TWÓJ_NICK/NAZWA_REPO` na prawdziwe dane po utworzeniu repozytorium.*
|
| 36 |
+
|
| 37 |
+
---
|
model.joblib
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ca43327fabb153557047a3ab8686ba89ced6651ebda758e5772de2e17cb285ab
|
| 3 |
+
size 2289
|