Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

Machine learning

Đang mở
  • Có gì không ổn?
#2 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
15/100
Loại issue
Tính năng
Độ rõ ràng
Cần làm rõ
Mức độ hoạt động
Đình trệ
Công nghệ
pandas, python, scikit-learn
Lĩnh vực
machine-learning

Hướng nghiên cứu

Phần nội dung chỉ chứa một ví dụ Python inline sử dụng spam.csv, pandas, TfidfVectorizer và MultinomialNB; không nêu tệp nào trong repository, bài kiểm thử nào hoặc thay đổi được yêu cầu nào. Trước tiên, hãy kiểm tra cách repository này tổ chức các phần triển khai machine learning và làm rõ dataset dự kiến, phạm vi mô hình cũng như mục tiêu đánh giá trước khi bắt đầu công việc.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Step 1: Import libraries

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

Step 2: Load dataset

Example: SMS Spam Collection dataset (you can download as spam.csv)

data = pd.read_csv("spam.csv", encoding="latin-1")[["v1", "v2"]]
data.columns = ["label", "message"]

Step 3: Encode labels (ham = 0, spam = 1)

data["label"] = data["label"].map({"ham": 0, "spam": 1})

Step 4: Split dataset

X_train, X_test, y_train, y_test = train_test_split(
data["message"], data["label"], test_size=0.2, random_state=42
)

Step 5: Convert text to numerical features using TF-IDF

vectorizer = TfidfVectorizer(stop_words="english")
X_train_tfidf = vectorizer.fit_transform(X_train)
X_test_tfidf = vectorizer.transform(X_test)

Step 6: Train model (Naive Bayes)

model = MultinomialNB()
model.fit(X_train_tfidf, y_train)

Step 7: Predict

y_pred = model.predict(X_test_tfidf)

Step 8: Evaluate

print("✅ Accuracy:", accuracy_score(y_test, y_pred))
print("\nConfusion Matrix:\n", confusion_matrix(y_test, y_pred))
print("\nClassification Report:\n", classification_report(y_test, y_pred))

Ngôn ngữ chính
Jupyter Notebook
Star
17
Fork
14
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của AIAnytime/Machine-Learning-Models-Implementation

Tất cả issue của AIAnytime/Machine-Learning-Models-Implementation

Issue tương tự

Thêm issue về Machine Learning

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.