MonkeyLearn เป็นบริการสร้าง Machine Learning Models For Language Processing แบบออนไลน์ โดยมีรูปแบบการใช้งานที่ง่ายและสะดวกกว่าทำ Machine Learning ด้วยตนเอง (ตอนนี้ยังไม่รองรับภาษาไทย รองรับเฉพาะภาษาอังกฤษ) และรองรับการดึงข้อมูลมาประมวลจาก Social Media ต่าง ๆ ไม่ว่าจะเป็นทวิตเตอร์และอื่น ๆ รองรับการประมวลผลมากมาย ไม่ว่าจะเป็นการหา Keyword จากชุดข้อมูล , การวัดค่า Positive หรือ Negative ของข้อความได้ง่าย ๆ โดยจากตัวอย่างที่บรรจุเข้าไป เป็นต้น
สามารถใช้งานได้ฟรี โดยสามารถ QUERIES ได้ 100,000 ครั้งต่อเดือน และไม่มีการสนับสนุนโดยตรงจาก MonkeyLearn แต่ชุมชนเป็นผู้ให้การสนับสนุนแทน
ลองเข้าไปลองเล่นได้ที่ http://www.monkeylearn.com/
ทาง MonkeyLearn ได้ออก API สำหรับภาษาไพทอนออกมา โดยสามารถติดตั้งได้จาก
pip install monkeylearn
ตัวอย่างการใช้งาน
from monkeylearn import MonkeyLearn
# Use the API key from your account
ml = MonkeyLearn('<YOUR API KEY HERE>')
# Create a new classifier
res = ml.classifiers.create('Test Classifier')
# Get the id of the new module
module_id = res.result['classifier']['hashed_id']
# Get the id of the root node
res = ml.classifiers.detail(module_id)
root_id = res.result['sandbox_categories'][0]['id']
# Create two new categories on the root node
res = ml.classifiers.categories.create(module_id, 'Negative', root_id)
negative_id = res.result['category']['id']
res = ml.classifiers.categories.create(module_id, 'Positive', root_id)
positive_id = res.result['category']['id']
# Now let's upload some samples
samples = [('The movie was terrible, I hated it.', negative_id), ('I love this movie, I want to watch it again!', positive_id)]
res = ml.classifiers.upload_samples(module_id, samples)
# Now let's train the module!
res = ml.classifiers.train(module_id)
# Classify some texts
res = ml.classifiers.classify(module_id, ['I love the movie', 'I hate the movie'], sandbox=True)
print(res.result)ผลลัพธ์
[[{'label': 'Positive', 'probability': 0.98}], [{'label': 'Negative', 'probabili
ty': 0.989}]]รายละเอียดเพิ่มเติม https://github.com/monkeylearn/monkeylearn-python
ติดตามบทความต่อไปนะครับ
ขอบคุณครับ
0 ความคิดเห็น:
แสดงความคิดเห็น
แสดงความคิดเห็นได้ครับ :)