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:
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.*
---
- Downloads last month
- -
from huggingface_hub import hf_hub_download import joblib model = joblib.load( hf_hub_download("cewastack/sentiment-pl-test", "sklearn_model.joblib") ) # only load pickle files from sources you trust # read more about it here https://skops.readthedocs.io/en/stable/persistence.html