{"id":347291,"date":"2023-03-26T09:00:56","date_gmt":"2023-03-26T09:00:56","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=347291"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=347291","title":{"rendered":"<span>\u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u0434\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438<\/span>"},"content":{"rendered":"<div><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w780q1\/getpro\/habr\/upload_files\/300\/6b8\/486\/3006b8486e709955863b0965ba13c904.jpg\" alt=\"\" title=\"\" width=\"1226\" height=\"817\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/300\/6b8\/486\/3006b8486e709955863b0965ba13c904.jpg\" data-blurred=\"true\"\/><\/figure>\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!<\/p>\n<p>\u041c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442 \u0414\u0430\u0440\u043c\u043e\u0440\u0435\u0437\u043e\u0432 \u0412\u0430\u0434\u0438\u043c, \u044f Data Scientist \u0438 \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a <a href=\"https:\/\/newtechaudit.ru\/\" rel=\"noopener noreferrer nofollow\">\u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0430 NTA<\/a>. \u0410\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u00a0\u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u043e\u0431\u044a\u0435\u043c\u0430\u043c\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0435\u0449\u0451 \u0434\u043e\u043b\u0433\u043e\u0435 \u0432\u0440\u0435\u043c\u044f (\u0430 \u043c\u043e\u0436\u0435\u0442\u00a0\u0431\u044b\u0442\u044c \u0438 \u0432\u0441\u0435\u0433\u0434\u0430) \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u043e\u0441\u043f\u043e\u0440\u0438\u043c\u0430. \u041f\u0440\u0438\u00a0\u044d\u0442\u043e\u043c \u0441\u043f\u0435\u043a\u0442\u0440 \u0437\u0430\u0434\u0430\u0447 \u0432\u0435\u0441\u044c\u043c\u0430 \u0432\u0430\u0440\u0438\u0430\u0442\u0438\u0432\u0435\u043d\u00a0\u2014 \u043e\u0442\u00a0\u0437\u0430\u0434\u0430\u0447 \u043f\u043e\u00a0\u043f\u043e\u0438\u0441\u043a\u0443 \u0438\u043c\u0435\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0441\u0443\u0449\u043d\u043e\u0441\u0442\u0435\u0439, \u0434\u043e\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u043c\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e. \u041f\u0435\u0440\u0435\u0434 \u0432\u0430\u043c\u0438 \u0432\u0430\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430\u00a0\u2014 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0445 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u043e\u0432\/\u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u043f\u0440\u043e\u0444\u0438\u043b\u044c\u043d\u044b\u043c\u0438 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u0430\u043c\u0438 \u043d\u0430\u00a0\u043f\u0440\u0435\u0434\u043c\u0435\u0442 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0439 \u0438 \u0434\u043b\u044f\u00a0\u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u044e\u0449\u0438\u0445 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a. \u041f\u0435\u0440\u0432\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435, \u043f\u0440\u0438\u0445\u043e\u0434\u044f\u0449\u0435\u0435 \u0432\u00a0\u0433\u043e\u043b\u043e\u0432\u0443\u00a0\u2014 \u0432\u00a0\u0440\u0443\u0447\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435 \u043f\u0440\u043e\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u0438 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0438\u0445 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e. \u0421\u043f\u0443\u0441\u0442\u044f \u043f\u0430\u0440\u0443 \u0447\u0430\u0441\u043e\u0432, \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442 \u043e\u0441\u043e\u0437\u043d\u0430\u043d\u0438\u0435 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u00a0\u0440\u0435\u0448\u0435\u043d\u0438\u0435\u00a0\u0431\u044b\u043b\u043e \u043d\u0435\u00a0\u0441\u0430\u043c\u044b\u043c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c \u0438 \u0442\u0430\u043a \u0437\u0430\u0434\u0430\u0447\u0443 \u043d\u0435\u00a0\u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0432\u00a0\u0441\u0440\u043e\u043a. \u041a\u0430\u043a\u00a0\u0436\u0435 \u0442\u043e\u0433\u0434\u0430 \u043f\u043e\u0441\u0442\u0443\u043f\u0438\u0442\u044c? \u0418\u043c\u0435\u043d\u043d\u043e \u043e\u0431\u00a0\u044d\u0442\u043e\u043c \u0431\u0443\u0434\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043f\u043e\u0441\u0442.<\/p>\n<p>\u0417\u0430\u0434\u0430\u0447\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430\u00a0\u044f\u0437\u044b\u043a\u0435 Python \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043e\u0431\u0448\u0438\u0440\u043d\u0430\u044f \u0442\u0435\u043c\u0430, \u0432\u00a0\u043d\u0435\u0439 \u043c\u043e\u0433\u0443\u0442 \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u0442\u044c\u0441\u044f \u043a\u0430\u043a\u00a0automl\u2011\u043f\u043e\u0434\u0445\u043e\u0434\u044b, \u043c\u043e\u0434\u0435\u043b\u0438 \u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0430\u043a \u0438 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b. \u0412\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0441\u0442\u0430 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u044d\u0442\u0430\u043b\u043e\u043d\u043d\u044b\u0439 pipeline \u0434\u043b\u044f\u00a0\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u0441\u00a0\u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043f\u0440\u0435\u0434\u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u043d\u044b\u0445 \u0434\u043b\u044f\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/94e\/b97\/4b1\/94eb974b1d5c9365580183a9b26eabe3.png\" width=\"326\" height=\"581\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/94e\/b97\/4b1\/94eb974b1d5c9365580183a9b26eabe3.png\"\/><\/figure>\n<p>1. \u0424\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0435\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438.<\/p>\n<p>\u0412\u00a0\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0435\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0432\u044b\u0431\u043e\u0440 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u0438 \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b, \u043d\u043e\u00a0\u0447\u0430\u0449\u0435 \u0432\u0441\u0435\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442\u0441\u044f \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u044f 30\/70\u00a0\u0438\u043b\u0438 20\/80\u00a0\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435\/\u043d\u0435\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435), \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u0440\u0443\u0447\u043d\u0443\u044e (\u0434\u0430\u043d\u043d\u044b\u0435, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0442\u0430\u043a \u0441\u0430\u043c\u043e\u043e\u0442\u0432\u0435\u0440\u0436\u0435\u043d\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0447\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0447\u0430\u0441\u043e\u0432 \u0442\u0443\u0442 \u043f\u0440\u0438\u0434\u0443\u0442\u0441\u044f \u043e\u0447\u0435\u043d\u044c \u043a\u0441\u0442\u0430\u0442\u0438). \u042d\u0442\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b \u0434\u043b\u044f\u00a0\u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0438 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0432\u00a0\u0447\u0438\u0441\u043b\u043e\u0432\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435, \u043f\u043e\u043d\u044f\u0442\u043d\u043e\u0435 \u0434\u043b\u044f\u00a0\u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0435 \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u0441\u043a\u0440\u044b\u0442\u044b\u0445 \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0435\u0439, \u0431\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u0442\u0435\u043a\u0441\u0442 \u043c\u043e\u0436\u0435\u0442\u00a0\u0431\u044b\u0442\u044c \u043e\u0442\u043d\u0435\u0441\u0435\u043d \u043a\u00a0\u0442\u043e\u0439 \u0438\u043b\u0438\u00a0\u0438\u043d\u043e\u0439 \u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0435.<\/p>\n<p>2. \u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<p>\u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0432\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u0437\u0430\u0434\u0430\u0447 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f\u00a0\u2014 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u0430\u044f \u0432\u0430\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430. \u041c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u00a0\u0447\u0438\u0441\u043b\u043e\u0432\u044b\u043c \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u0434\u043b\u044f\u00a0\u0447\u0435\u0433\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0438\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 (\u043f\u0443\u043d\u043a\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432). \u0414\u043b\u044f\u00a0\u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u043a\u0442\u043e\u0440\u00a0\u0431\u044b\u043b \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0442\u0438\u0432\u0435\u043d \u0434\u043b\u044f\u00a0\u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043d\u0430\u0438\u043b\u0443\u0447\u0448\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u043c\u043e\u0433 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u0438\u0435 \u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0443\u043d\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u0434\u0430\u043d\u043d\u044b\u0445, \u0443\u0434\u0430\u043b\u044f\u0442\u044c \u043d\u0435\u00a0\u043d\u0435\u0441\u0443\u0449\u0438\u0435 \u0441\u043c\u044b\u0441\u043b\u0430 \u0441\u043b\u043e\u0432\u0430 \u0438 \u0437\u043d\u0430\u043a\u0438. \u041e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438, \u0440\u0435\u0448\u0430\u0435\u043c\u044b\u0435 \u043f\u0440\u0438\u00a0\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0445:<\/p>\n<ul>\n<li>\n<p>\u041f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043a\u00a0\u043d\u0438\u0436\u043d\u0435\u043c\u0443 \u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0443. \u0414\u043b\u044f\u00a0\u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0430 \u043e\u0434\u043d\u043e \u0438 \u0442\u043e\u00a0\u0436\u0435 \u0441\u043b\u043e\u0432\u043e, \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0435 \u0432\u00a0\u0440\u0430\u0437\u043d\u043e\u043c \u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0435, \u0431\u0443\u0434\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0442\u044c\u0441\u044f \u043a\u0430\u043a\u00a0\u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0441\u043b\u043e\u0432\u0430.<\/p>\n<\/li>\n<li>\n<p>\u041e\u0447\u0438\u0441\u0442\u043a\u0430 \u043e\u0442 \u00ab\u043c\u0443\u0441\u043e\u0440\u0430\u00bb. \u0412\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043e\u0447\u0438\u0441\u0442\u043a\u0430 \u043f\u043e\u0434\u0440\u0430\u0437\u0443\u043c\u0435\u0432\u0430\u0435\u0442 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u043f\u0435\u0446\u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432, \u043e\u043f\u0435\u0447\u0430\u0442\u043e\u043a, \u0441\u043b\u043e\u0432 \u0441\u00a0\u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0439 \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u043a\u043e\u0439, \u0437\u043d\u0430\u043a\u043e\u0432 \u043f\u0443\u043d\u043a\u0442\u0443\u0430\u0446\u0438\u0438. <\/p>\n<\/li>\n<li>\n<p>\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432. \u041a\u00a0\u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432\u0430\u043c \u0432\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043e\u0431\u044b\u0447\u043d\u043e \u043e\u0442\u043d\u043e\u0441\u044f\u0442 \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u044b\u0435 \u0447\u0430\u0441\u0442\u0438 \u0440\u0435\u0447\u0438, \u0442\u0430\u043a\u0438\u0435 \u043a\u0430\u043a\u00a0\u0447\u0430\u0441\u0442\u0438\u0446\u044b, \u0441\u043e\u044e\u0437\u044b, \u043f\u0440\u0435\u0434\u043b\u043e\u0433\u0438 \u0438 \u043c\u0435\u0436\u0434\u043e\u043c\u0435\u0442\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0447\u0430\u0441\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u0442\u044c \u0432\u00a0\u0442\u0435\u043a\u0441\u0442\u0435, \u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u00a0\u0441\u0432\u043e\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u043d\u0435\u00a0\u043d\u0435\u0441\u0443\u0442 \u043a\u0430\u043a\u043e\u0439\u2011\u043b\u0438\u0431\u043e \u0441\u043c\u044b\u0441\u043b\u043e\u0432\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0438.<\/p>\n<\/li>\n<li>\n<p>\u0421\u0442\u0435\u043c\u043c\u0438\u043d\u0433\/ \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0441\u043b\u043e\u0432. <strong>\u0421\u0442\u0435\u043c\u043c\u0438\u043d\u0433<\/strong>\u00a0\u2014 \u044d\u0442\u043e \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043d\u0430\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u043e\u0441\u043d\u043e\u0432\u044b \u0441\u043b\u043e\u0432\u0430, \u0430 <strong>\u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f<\/strong>\u00a0\u2014 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043d\u0430\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u044b \u0441\u043b\u043e\u0432\u0430. <\/p>\n<\/li>\n<\/ul>\n<p>3. \u0412\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p>\u041f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0437\u00a0\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u00a0\u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0435, \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u0440\u0438\u00a0\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u041d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043e\u0434\u0430\u043c\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f: \u041f\u0440\u044f\u043c\u043e\u0435 \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0435\u0438\u0435 (one\u2011hot encoding), bag of words, tf\u2011idf \u0430\u00a0\u0442\u0430\u043a\u00a0\u0436\u0435 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u044d\u043c\u0431\u0435\u0434\u0438\u043d\u0433\u043e\u0432 \u0441\u043b\u043e\u0432\/\u0442\u0435\u043a\u0441\u0442\u043e\u0432 (word2vec, doc2vec)<\/p>\n<p>4. \u0412\u044b\u0431\u043e\u0440 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0438 \u0435\u0451 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.<\/p>\n<p>\u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0432\u044b\u0431\u043e\u0440 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0435\u0439 \u0434\u043b\u044f\u00a0\u0437\u0430\u0434\u0430\u0447\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0430\u00a0\u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0438\u0441\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0445 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>5. \u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u00a0\u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043c\u0435\u0442\u0440\u0438\u043a, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440\u00a0\u2014 precision, accuracy, recall, F\u2011\u043c\u0435\u0440\u0430.<\/p>\n<p>6. \u041f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u00a0\u043d\u0435\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c<\/p>\n<p>\u041a\u043e\u0433\u0434\u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0444\u0440\u043e\u043d\u0442 \u0440\u0430\u0431\u043e\u0442 \u0432\u044b\u0441\u0442\u0440\u043e\u0435\u043d, \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0438\u0441\u0442\u0443\u043f\u0430\u0442\u044c \u043a\u00a0\u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438.<\/p>\n<p>\u0412\u00a0\u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u0434\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0432\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u0432\u044b\u0431\u043e\u0440\u043a\u0430 \u043d\u043e\u0432\u043e\u0441\u0442\u043d\u044b\u0445 \u0441\u0442\u0430\u0442\u0435\u0439 \u0441\u00a0\u0443\u043a\u0430\u0437\u0430\u043d\u0438\u0435\u043c \u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438 \u0441\u0442\u0430\u0442\u044c\u0438 (\u0441\u043f\u043e\u0440\u0442, \u043c\u0438\u0440, \u043d\u0430\u0443\u043a\u0430 \u0438 \u0442\u0435\u0445\u043d\u0438\u043a\u0430, \u043a\u0443\u043b\u044c\u0442\u0443\u0440\u0430, \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u043a\u0430, \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0438 \u0441\u043c\u0438), \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u043d\u0430\u044f \u0432\u00a0\u0444\u043e\u0440\u043c\u0430\u0442\u0435 csv. \u041e\u0431\u0449\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0442\u0430\u0442\u0435\u0439\u00a0\u2014 432\u00a0158.<\/p>\n<p>\u0414\u043b\u044f\u00a0\u043d\u0430\u0447\u0430\u043b\u0430 \u0438\u043c\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0435 \u0434\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438:<\/p>\n<pre><code class=\"python\">import numpy as np import pandas as pd import nltk nltk.download('stopwords') # \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043a\u043e\u043c\u0430\u043d\u0434\u0443 \u043f\u043e\u0441\u043b\u0435 \u0441\u0430\u043c\u043e\u0433\u043e \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0438\u043c\u043f\u043e\u0440\u0442\u0430 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 nltk.download('punkt') from nltk.corpus import stopwords from nltk.tokenize import word_tokenize from pymystem3 import Mystem from tqdm import tqdm from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.pipeline import Pipeline, make_pipeline from sklearn.experimental import enable_halving_search_cv from sklearn.model_selection import (     train_test_split,     HalvingRandomSearchCV ) from sklearn.metrics import (     ConfusionMatrixDisplay, confusion_matrix,     f1_score, roc_auc_score,     classification_report, make_scorer ) from sklearn.ensemble import RandomForestClassifier from xgboost import XGBClassifier from collections import Counter from sklearn.datasets import make_classification from imblearn.under_sampling import NearMiss  import matplotlib.pyplot as plt  topics_dict = {#\u0441\u043b\u043e\u0432\u0430\u0440\u044c \u0434\u043b\u044f \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0430\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432     '\u0421\u043f\u043e\u0440\u0442': 1, '\u041c\u0438\u0440': 2,     '\u041d\u0430\u0443\u043a\u0430 \u0438 \u0442\u0435\u0445\u043d\u0438\u043a\u0430': 3, '\u041a\u0443\u043b\u044c\u0442\u0443\u0440\u0430': 4,     '\u042d\u043a\u043e\u043d\u043e\u043c\u0438\u043a\u0430': 5, '\u0418\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0438 \u0421\u041c\u0418': 6 }<\/code><\/pre>\n<p>\u0414\u043e\u043f\u043e\u043b\u043d\u0438\u043c \u0441\u043f\u0438\u0441\u043e\u043a \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432 \u0438\u0437\u00a0\u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 nltk \u0441\u0432\u043e\u0438\u043c\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c\u0438. \u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u043f\u0438\u0441\u043e\u043a \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d 151\u00a0\u0441\u043b\u043e\u0432\u043e\u043c \u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 \u0440\u0430\u0437 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u043b\u0441\u044f \u0431\u043e\u043b\u0435\u0435 10\u00a0\u043b\u0435\u0442 \u043d\u0430\u0437\u0430\u0434.<\/p>\n<pre><code class=\"python\">additional_stopwords = ['\u043a\u043e\u0442\u043e\u0440\u044b\u0445','\u043a\u043e\u0442\u043e\u0440\u044b\u0435','\u0442\u0432\u043e\u0439','\u043a\u043e\u0442\u043e\u0440\u043e\u0439','\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e','\u0441\u0438\u0445','\u043a\u043e\u043c','\u0441\u0432\u043e\u0439','\u0442\u0432\u043e\u044f','\u044d\u0442\u0438\u043c\u0438','\u0441\u043b\u0438\u0448\u043a\u043e\u043c','\u043d\u0430\u043c\u0438','\u0432\u0441\u0435\u043c\u0443', '\u0431\u0443\u0434\u044c','\u0441\u0430\u043c\u0443','\u0447\u0430\u0449\u0435','\u0432\u0430\u0448\u0435','\u0441\u0430\u043c\u0438','\u043d\u0430\u0448','\u0437\u0430\u0442\u0435\u043c', '\u0441\u0430\u043c\u0438\u0445','\u043d\u0430\u0448\u0438','\u0442\u0443','\u043a\u0430\u0436\u0434\u043e\u0435','\u043c\u043e\u0447\u044c','\u0432\u0435\u0441\u044c','\u044d\u0442\u0438\u043c', '\u043d\u0430\u0448\u0430','\u0441\u0432\u043e\u0438\u0445','\u043e\u0431\u0430','\u043a\u043e\u0442\u043e\u0440\u044b\u0439','\u0437\u0430\u0442\u043e','\u0442\u0435','\u044d\u0442\u0438\u0445','\u0432\u0441\u044f', '\u0432\u0430\u0448','\u0442\u0430\u043a\u0430\u044f','\u0442\u0435\u043c\u0438','\u0435\u044e','\u043a\u043e\u0442\u043e\u0440\u0430\u044f','\u043d\u0435\u0440\u0435\u0434\u043a\u043e','\u043a\u0430\u0436\u0434\u0430\u044f', '\u0442\u0430\u043a\u0436\u0435','\u0447\u0435\u043c\u0443','\u0441\u043e\u0431\u043e\u0439','\u0441\u0430\u043c\u0438\u043c\u0438','\u043d\u0435\u043c','\u0432\u0430\u043c\u0438','\u0438\u043c\u0438', '\u043e\u0442\u043a\u0443\u0434\u0430','\u0442\u0430\u043a\u0438\u0435','\u0442\u043e\u043c\u0443','\u0442\u0430','\u043e\u0447\u0435\u043d\u044c','\u0441\u0430\u043c\u0430','\u043d\u0435\u043c\u0443', '\u0430\u043b\u043b\u043e','\u043e\u043d\u043e','\u044d\u0442\u043e\u043c\u0443','\u043a\u043e\u043c\u0443','\u0442\u043e\u0431\u043e\u0439','\u0442\u0430\u043a\u0438','\u0442\u0432\u043e\u0451', '\u043a\u0430\u0436\u0434\u044b\u0435','\u0442\u0432\u043e\u0438','\u043d\u0435\u044e','\u0441\u0430\u043c\u0438\u043c','\u0432\u0430\u0448\u0438','\u0432\u0430\u0448\u0430','\u043a\u0435\u043c','\u043c\u043e\u0438','\u043e\u0434\u043d\u0430\u043a\u043e','\u0441\u0440\u0430\u0437\u0443','\u0441\u0432\u043e\u0435','\u043d\u0438\u043c\u0438','\u0432\u0441\u0451','\u043d\u0435\u0451','\u0442\u0435\u0445','\u0445\u043e\u0442\u044f','\u0432\u0441\u0435\u043c','\u0442\u043e\u0431\u043e\u044e','\u0442\u0435\u0431\u0435','\u043e\u0434\u043d\u043e\u0439','\u0434\u0440\u0443\u0433\u0438\u0435','\u0441\u0430\u043c\u043e','\u044d\u0442\u0430', '\u0441\u0430\u043c\u043e\u0439','\u043c\u043e\u0451','\u0441\u0432\u043e\u0435\u0439','\u0442\u0430\u043a\u043e\u0435','\u0432\u0441\u0435\u044e','\u0431\u0443\u0434\u0443\u0442','\u0441\u0432\u043e\u0435\u0433\u043e', '\u043a\u043e\u0433\u043e','\u0441\u0432\u043e\u0438','\u043c\u043e\u0433','\u043d\u0430\u043c','\u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e','\u0435\u0451','\u0441\u0430\u043c\u043e\u043c\u0443', '\u043d\u0430\u0448\u0435','\u043a\u0440\u043e\u043c\u0435','\u0432\u043e\u043e\u0431\u0449\u0435','\u0432\u043e\u043d','\u043c\u043d\u043e\u044e','\u043d\u0438\u043a\u0442\u043e','\u044d\u0442\u043e']  stop_words = stopwords.words('russian') + additional_stopwords m = Mystem()<\/code><\/pre>\n<p>\u041d\u0438\u0436\u0435 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0430 \u0447\u0430\u0441\u0442\u044c \u043a\u043e\u0434\u0430, \u0432\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0430 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u044f \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u044b\u0445 \u0434\u043b\u044f\u00a0\u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 (\u043f\u0440\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0438 \u0432\u00a0\u0446\u0438\u043a\u043b\u0430\u0445 \u0441\u00a0\u0431\u043e\u043b\u044c\u0448\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u0448\u0430\u0433\u043e\u0432 \u0434\u0430\u0435\u0442 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 \u0432\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438) \u0438 \u043d\u0430\u0431\u043e\u0440 \u0444\u0443\u043d\u043a\u0446\u0438\u0439, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0449\u0438\u0445\u0441\u044f \u0434\u043b\u044f\u00a0\u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0432\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432, \u0430\u00a0\u0442\u0430\u043a\u0436\u0435 \u0435\u0433\u043e \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438:<\/p>\n<pre><code class=\"python\">del_n = re.compile('\\n')                # \u043f\u0435\u0440\u0435\u043d\u043e\u0441 \u043a\u0430\u0440\u0435\u0442\u043a\u0438 del_tags = re.compile('&lt;[^>]*>')        # html-\u0442\u0435\u0433\u0438 del_brackets = re.compile('\\([^)]*\\)')  # \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u043c\u043e\u0435 \u043a\u0440\u0443\u0433\u043b\u044b\u0445 \u0441\u043a\u043e\u0431\u043e\u043a clean_text = re.compile('[^\u0430-\u044fa-z\\s]')  # \u0432\u0441\u0435 \u043d\u0435\u0431\u0443\u043a\u0432\u0435\u043d\u043d\u044b\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b \u043a\u0440\u043e\u043c\u0435 \u043f\u0440\u043e\u0431\u0435\u043b\u043e\u0432 del_spaces = re.compile('\\s{2,}')  def prepare_text(text):     text = del_n.sub(' ', str(text).lower())     text = del_tags.sub('', text)     text = del_brackets.sub('', text)     res_text = clean_text.sub('', text)     return del_spaces.sub(' ',res_text)  def del_stopwords(text):     clean_tokens = tuple(         map( lambda x: x if x not in stop_words else '', word_tokenize(text) )     )     res_text = ' '.join(clean_tokens)     return res_text  def lemmatize(text):         lemmatized_text = ''.join(m.lemmatize(text))     return lemmatized_text.split('|')<\/code><\/pre>\n<p>\u0414\u0430\u043b\u0435\u0435 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0435\u043d\u0438\u0435 \u0432\u0441\u0435\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u0439. \u0412\u00a0\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0443\u0447\u0430\u0441\u0442\u043a\u0435 \u043a\u043e\u0434\u0430 \u0441\u0447\u0438\u0442\u0430\u043d\u043d\u044b\u0435 \u0438\u0437\u00a0csv\u2011\u0444\u0430\u0439\u043b\u0430 \u0442\u0435\u043a\u0441\u0442\u044b \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043d\u0430\u00a0\u0447\u0430\u0441\u0442\u0438 \u043f\u043e 10\u00a0\u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432\u00a0\u043a\u0430\u0436\u0434\u043e\u0439. \u0414\u043b\u044f\u00a0\u0447\u0435\u0433\u043e \u044d\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f? \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u0443 \u043d\u0430\u00a0\u0425\u0430\u0431\u0440\u0435 \u00ab<a href=\"https:\/\/habr.com\/ru\/post\/503420\" rel=\"noopener noreferrer nofollow\">\u041b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u0443\u0439 \u044d\u0442\u043e \u0431\u044b\u0441\u0442\u0440\u0435\u0435<\/a>\u00bb \u044f \u0432\u044b\u044f\u0441\u043d\u0438\u043b, \u0447\u0442\u043e\u00a0\u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u043e\u0431\u044a\u0435\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0440\u0430\u0437\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0432\u00a0\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442\u00a0\u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u0432\u044b\u0437\u043e\u0432\u043e\u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438, \u0432\u00a0\u0441\u0432\u044f\u0437\u0438 \u0441\u00a0\u0447\u0435\u043c\u00a0\u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0442\u044c \u0442\u0435\u043a\u0441\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u0435\u043b\u044c, \u0430\u00a0\u043f\u043e\u0441\u043b\u0435 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u0438\u0445 \u0432\u00a0\u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435. \u041f\u043e\u0441\u043b\u0435 \u043c\u043d\u043e\u0433\u043e\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441\u00a0chunksize (\u0440\u0430\u0437\u043c\u0435\u0440 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043e\u0431\u0449\u0435\u0433\u043e \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430), \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u0435 \u043f\u043e 10\u00a0\u0442\u044b\u0441\u044f\u0447 \u0434\u0430\u043b\u043e \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u043e\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 (\u043d\u0430 \u043c\u0435\u043d\u044c\u0448\u0435\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043f\u043e\u00a0\u0432\u0440\u0435\u043c\u0435\u043d\u0438\u00a0\u0431\u044b\u043b \u043d\u0435\u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u043c, \u043d\u0430\u00a0\u0431\u043e\u043b\u044c\u0448\u0435\u043c\u00a0\u2014 \u043e\u0447\u0438\u0441\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430\u00a0\u0434\u0440\u0443\u0433\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0430\u0441\u044c \u043d\u0430\u043c\u043d\u043e\u0433\u043e \u0434\u043e\u043b\u044c\u0448\u0435, \u043d\u0438\u0432\u0435\u043b\u0438\u0440\u0443\u044f \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438).<\/p>\n<pre><code class=\"python\">df = pd.read_csv('file_directory', chunksize = 10000) filtered_chunk_list=[] for chunk in tqdm(df):     chunk['text'] = chunk['text'].apply(lambda x: prepare_text(str(x)) )     all_texts = '|'.join( chunk['text'].tolist())     clean_texts = del_stopwords(all_texts)     chunk['text'] = lemmatize(clean_texts)     chunk['title'] = chunk['title'].apply(lambda x: prepare_text(str(x)))     all_titles = '|'.join( chunk['title'].tolist())     clean_titles = del_stopwords(all_titles)     chunk['title'] = lemmatize(clean_titles)     chunk['topic'] = chunk['topic'].map(topics_dict)     filtered_chunk_list.append(chunk) model_df = pd.concat(filtered_chunk_list) model_df.to_csv('text_prepare.csv', index=False)<\/code><\/pre>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u0430\u044f \u043d\u0438\u0436\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c \u043d\u0430\u0438\u043b\u0443\u0447\u0448\u0438\u0435 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0434\u043b\u044f\u00a0\u0432\u044b\u0431\u0440\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438:<\/p>\n<pre><code class=\"python\">def search_best_estimator(pipeline, param_grid, x, y):     hrs = HalvingRandomSearchCV(         estimator=pipeline,         param_distributions=param_grid,         scoring='f1_weighted',         cv=3,         n_candidates=\"exhaust\",         factor=5,         n_jobs=-1,     )     _ = hrs.fit(x, y)     return hrs.best_estimator_<\/code><\/pre>\n<p>\u0414\u043b\u044f\u00a0\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u043c\u0438\u043c\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a\u00a0\u0431\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u043b\u0435\u0437\u043d\u043e \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 \u0432\u00a0\u0432\u0438\u0434\u0435 \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432, \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c \u0438\u00a0\u0442.\u00a0\u0434. \u041e\u0434\u043d\u0438\u043c \u0438\u0437\u00a0\u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043e\u0448\u0438\u0431\u043e\u043a (<a href=\"https:\/\/en.wikipedia.org\/wiki\/Confusion_matrix\" rel=\"noopener noreferrer nofollow\">confusion matrix<\/a>). \u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u043e\u0439 \u043c\u0430\u0442\u0440\u0438\u0446\u0435 \u043b\u0435\u0433\u043a\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\/\u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u0441\u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439. <\/p>\n<pre><code class=\"python\">def plot_confusion_matrix(y_test, y_preds, model):     fig, ax = plt.subplots(figsize=(16,10))     cm = confusion_matrix(y_test, y_preds)     cmp = ConfusionMatrixDisplay(cm, display_labels = model.classes_ )     cmp.plot(ax=ax)     plt.show()<\/code><\/pre>\n<h2>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u041a\u043e\u0433\u0434\u0430 \u0432\u0441\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u044b, \u043f\u0440\u0438\u0441\u0442\u0443\u043f\u0430\u0435\u043c \u043a\u00a0\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044e \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>\u0421\u0442\u0440\u043e\u0438\u043c \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d, \u0432\u00a0\u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u043a\u043b\u044e\u0447\u0435\u043d \u043c\u0435\u0442\u043e\u0434 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u043d\u0430\u0448\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u0430\u00a0\u0442\u0430\u043a\u0436\u0435 \u0432\u044b\u0431\u0440\u0430\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u044c, \u0441\u00a0\u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0431\u0443\u0434\u0435\u0442 \u0441\u0442\u0440\u043e\u0438\u0442\u044c\u0441\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f.<\/p>\n<pre><code class=\"python\">x, y = df['text'].tolist(), df['topic'].tolist() pipeline = Pipeline(     steps = [(\"tfidf\", TfidfVectorizer() ),(\"base\",RandomForestClassifier() )] ) param_grid = { \"tfidf__min_df\": [i for i in range(25,35,5)], \"base__n_estimators\": [i for i in range(150,250,50)], \"base__max_depth\": [i for i in range(25,35,5)], \"base__min_samples_split\":[i for i in range(6,10,2)], \"base__min_samples_leaf\": [2], } estimator = search_best_estimator(pipeline, param_grid, x, y) \u0414\u0435\u043b\u0438\u043c \u0432\u044b\u0431\u043e\u0440\u043a\u0443 \u043d\u0430 \u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043e\u0447\u043d\u0443\u044e \u0438 \u0442\u0435\u0441\u0442\u043e\u0432\u0443\u044e. X_train, X_test, y_train, y_test = train_test_split(     x, y, random_state=42, test_size=0.3, stratify=y )<\/code><\/pre>\n<p>\u041e\u0431\u0443\u0447\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c, \u0434\u0435\u043b\u0430\u0435\u043c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435 \u043d\u0430\u00a0\u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u0441\u0442\u0440\u043e\u0438\u043c \u043d\u0430\u00a0\u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u0445 \u043c\u0430\u0442\u0440\u0438\u0446\u0443 \u043f\u0443\u0442\u0430\u043d\u0438\u0446\u044b.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/0ee\/320\/2e4\/0ee3202e4639423404b42b4a5c970beb.png\" width=\"749\" height=\"596\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/0ee\/320\/2e4\/0ee3202e4639423404b42b4a5c970beb.png\"\/><\/figure>\n<p>\u041a\u0430\u043a\u00a0\u0432\u0438\u0434\u043d\u043e \u0438\u0437\u00a0\u043c\u0430\u0442\u0440\u0438\u0446\u044b \u043e\u0448\u0438\u0431\u043e\u043a (confusion matrix), \u043d\u0430\u0438\u0431\u043e\u043b\u044c\u0448\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043b\u043e\u0436\u043d\u044b\u0445 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u043d\u0438\u0439 \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u043d\u0430\u00a0\u0432\u0442\u043e\u0440\u043e\u0439 \u043a\u043b\u0430\u0441\u0441. \u0414\u043b\u044f\u00a0\u0437\u0430\u0434\u0430\u0447\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043f\u043e\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c \u043a\u043b\u0430\u0441\u0441\u0430\u043c\u00a0\u0431\u044b\u043b\u0430 \u0432\u044b\u0431\u0440\u0430\u043d\u0430 \u0432\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430 F1-score, \u0442\u0430\u043a \u043a\u0430\u043a\u00a0\u043f\u0440\u0438\u00a0\u043e\u0446\u0435\u043d\u043a\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0432\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u0442\u0438\u043f\u0435 \u0437\u0430\u0434\u0430\u0447 \u043c\u044b \u043d\u0435\u00a0\u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u043c \u043e\u0431\u0449\u0443\u044e \u043e\u0446\u0435\u043d\u043a\u0443 F-1, \u0430\u00a0\u0432\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0435 \u043e\u0446\u0435\u043d\u043a\u0438 F1\u00a0\u0434\u043b\u044f\u00a0\u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430 \u0432\u00a0\u0441\u043e\u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u0438 \u043e\u0434\u0438\u043d\/\u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435. \u041f\u0440\u0438\u00a0\u0442\u0430\u043a\u043e\u043c \u043f\u043e\u0434\u0445\u043e\u0434\u0435 \u043c\u044b \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u043c \u0443\u0441\u043f\u0435\u0445 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e, \u0441\u043b\u043e\u0432\u043d\u043e \u0434\u043b\u044f\u00a0\u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0435 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u044b. \u0422\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u043d\u0430\u00a0\u0432\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u043e\u0439 \u043c\u0435\u0442\u0440\u0438\u043a\u0435 F1-score \u0441\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 69%. \u0421\u00a0\u0447\u0435\u043c \u043c\u043e\u0436\u0435\u0442\u00a0\u0431\u044b\u0442\u044c \u0441\u0432\u044f\u0437\u0430\u043d\u043e \u0442\u0430\u043a\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043f\u0440\u0438\u00a0\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438? \u0412\u044b\u0432\u0435\u0434\u0435\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u0432\u00a0\u043a\u0430\u0436\u0434\u043e\u043c \u0438\u0437\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u0443\u0435\u043c\u044b\u0445 \u043a\u043b\u0430\u0441\u0441\u043e\u0432 \u0432\u00a0\u043d\u0430\u0448\u0435\u0439 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0435\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435:<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/db2\/17d\/5dd\/db217d5dd60a0a6c851d0f84e819c37e.png\" width=\"269\" height=\"192\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/db2\/17d\/5dd\/db217d5dd60a0a6c851d0f84e819c37e.png\"\/><\/figure>\n<p>\u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u043e\u0433\u043e \u0432\u0441\u0435 \u0432\u0441\u0442\u0430\u0435\u0442 \u043d\u0430\u00a0\u0441\u0432\u043e\u0438 \u043c\u0435\u0441\u0442\u0430, \u043a\u043b\u0430\u0441\u0441 2\u00a0\u2014 \u043c\u0430\u0436\u043e\u0440\u0438\u0442\u0430\u0440\u043d\u044b\u0439 \u0438 \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u00a0\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u043d\u0430 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u043e \u043e\u0440\u0438\u0435\u043d\u0442\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043d\u0430\u00a0\u0434\u0430\u043d\u043d\u044b\u0435 \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0438\u0437\u00a0\u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430. \u041a\u0430\u043a\u00a0\u0436\u0435 \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u0443\u043b\u044c\u0442\u0438\u043a\u043b\u0430\u0441\u0441\u043e\u0432\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043f\u0440\u0438\u00a0\u0434\u0438\u0441\u0431\u0430\u043b\u0430\u043d\u0441\u0435 \u043a\u043b\u0430\u0441\u0441\u043e\u0432?<\/p>\n<p>\u041d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043f\u0440\u0438\u0431\u0435\u0433\u043d\u0443\u0442\u044c \u043a\u00a0\u043e\u0434\u043d\u043e\u043c\u0443 \u0438\u0437\u00a0\u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u043f\u0435\u0440\u0435\u0434\u0438\u0441\u043a\u0440\u0435\u0442\u0438\u0437\u0430\u0446\u0438\u0438 (\u0440\u0435\u0441\u044d\u043c\u043f\u043b\u0438\u043d\u0433\u0430). \u0421\u0443\u0442\u044c \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u0437\u0430\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f\u00a0\u043b\u0438\u0431\u043e \u0432\u00a0\u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0438 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432\u00a0\u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043d\u0430\u0431\u043e\u0440 (oversampling),\u00a0\u043b\u0438\u0431\u043e \u0432\u00a0\u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0438 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0437\u00a0\u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0431\u043e\u043b\u044c\u0448\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430 (undersampling).<\/p>\n<figure class=\"\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/c17\/f79\/d3f\/c17f79d3f0646d687988f3fad51de732.png\" alt=\"\" title=\"\" width=\"496\" height=\"446\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/c17\/f79\/d3f\/c17f79d3f0646d687988f3fad51de732.png\"\/><\/figure>\n<p>\u0421\u00a0\u0446\u0435\u043b\u044c\u044e \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c \u043e\u0434\u0438\u043d \u0438\u0437\u00a0\u043c\u0435\u0442\u043e\u0434\u043e\u0432 undersampling, \u0430\u00a0\u0438\u043c\u0435\u043d\u043d\u043e NearMiss.<\/p>\n<pre><code class=\"python\">vectorizer = TfidfVectorizer(min_df=30) vect_x = vectorizer.fit_transform(x)  nm = NearMiss() X_res, Y_res = nm.fit_resample(vect_x, y) pipeline2 = Pipeline( steps = [(\"base\", RandomForestClassifier() )]  ) param_grid2 = {         \"base__n_estimators\": [i for i in range(200,300,50)],         \"base__max_depth\": [i for i in range(25,35,5)],         \"base__min_samples_split\": [i for i in range(8,12,2)], } estimator2 = search_best_estimator(pipeline2, param_grid2, X_res, Y_res) X_train, X_test, y_train, y_test = train_test_split(     vect_x, y, random_state=42, test_size=0.3, stratify=y ) estimator2.fit(X_res, Y_res) y_preds2 = estimator2.predict(X_test) plot_confusion_matrix(y_test, y_preds2, estimator2)<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/332\/c92\/925\/332c92925922ee112b747071da6425f9.png\" width=\"756\" height=\"589\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/332\/c92\/925\/332c92925922ee112b747071da6425f9.png\"\/><\/figure>\n<p>\u041a\u0430\u043a\u00a0\u0432\u0438\u0434\u043d\u043e \u0438\u0437\u00a0confusion matrix, \u043f\u0440\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 undersampling \u043f\u0440\u0438\u0432\u0435\u043b\u043e \u043a\u00a0\u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438. \u041c\u0435\u0442\u0440\u0438\u043a\u0430 F1-score \u0432\u044b\u0440\u043e\u0441\u043b\u0430 \u0434\u043e 79%.<\/p>\n<pre><code class=\"python\">xgbc = XGBClassifier() xgbc.fit(X_res,[j-1 for j in Y_res])  X_train, X_test, y_train, y_test = train_test_split(     vect_x, y, random_state=42, test_size=0.3, stratify=y ) pred_y = xgbc.predict(X_test) f1 = f1_score( y_test, [j+1 for j in pred_y], average='weighted') print( f' Model F1-score: {f1}' )  plot_confusion_matrix(y_test2, pred_y, xgbc)<\/code><\/pre>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4ae\/23a\/0e3\/4ae23a0e3ed484ff17cc9cf80812e1f6.png\" width=\"723\" height=\"596\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/4ae\/23a\/0e3\/4ae23a0e3ed484ff17cc9cf80812e1f6.png\"\/><\/figure>\n<p>\u0412\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 F1-score \u0434\u043b\u044f\u00a0\u043c\u043e\u0434\u0435\u043b\u0438 XGBoostClassifier \u0434\u043e\u0441\u0442\u0438\u0433 92%. \u041f\u043e\u00a0confusion matrix \u043c\u043e\u0436\u043d\u043e \u0437\u0430\u043c\u0435\u0442\u0438\u0442\u044c, \u0447\u0442\u043e\u00a0\u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0441\u043d\u0438\u0437\u0438\u043b\u0430\u0441\u044c \u0434\u043e\u043b\u044f \u043e\u0448\u0438\u0431\u043e\u043a, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0441\u00a0\u043e\u0442\u043d\u0435\u0441\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u043a\u00a0\u043c\u0430\u0436\u043e\u0440\u0438\u0442\u0430\u0440\u043d\u043e\u043c\u0443 \u043a\u043b\u0430\u0441\u0441\u0443 \u0438 \u043d\u0435\u00a0\u043e\u0442\u043d\u043e\u0441\u044f\u0449\u0438\u0445\u0441\u044f \u043a\u00a0\u043d\u0435\u043c\u0443. <\/p>\n<h2>\u0412\u044b\u0432\u043e\u0434<\/h2>\n<p>\u041d\u0430\u00a0\u043e\u0441\u043d\u043e\u0432\u0430\u043d\u0438\u0438 \u043f\u0440\u043e\u0432\u0435\u0434\u0435\u043d\u043d\u044b\u0445 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0439 \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u0434\u043e\u0441\u0442\u0438\u0433\u043d\u0443\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0432 92% \u043f\u043e\u00a0\u0432\u0437\u0432\u0435\u0448\u0435\u043d\u043d\u043e\u0439 \u043c\u0435\u0442\u0440\u0438\u043a\u0435 F1-score. \u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0435\u0439, \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0449\u0438\u0445\u0441\u044f \u043d\u0430\u00a0\u0440\u0435\u0448\u0435\u043d\u0438\u0438 \u0437\u0430\u0434\u0430\u0447 \u0432\u00a0\u043e\u0431\u043b\u0430\u0441\u0442\u0438 Natural Language Processing, \u0432\u00a0\u0442\u043e\u043c \u0447\u0438\u0441\u043b\u0435 \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043d\u0430\u00a0\u0433\u043b\u0443\u0431\u043e\u043a\u043e\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0438\u0445 \u0440\u0430\u0431\u043e\u0442\u044b \u043d\u0435\u00a0\u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f \u00ab\u043f\u0430\u043d\u0430\u0446\u0435\u0435\u0439\u00bb \u0438 \u043c\u043e\u0433\u0443\u0442\u00a0\u0431\u044b\u0442\u044c \u043c\u0430\u043b\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u044b \u0434\u043b\u044f\u00a0\u0434\u0440\u0443\u0433\u043e\u0433\u043e \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430. \u041d\u043e, \u043d\u0435\u0442 \u043f\u0440\u0435\u0434\u0435\u043b\u0430 \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u0443! \u041e\u0434\u043d\u0438\u043c \u0438\u0437\u00a0\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441\u00a0\u043f\u043e\u0434\u0431\u043e\u0440\u043e\u043c \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u043a\u0438 \u00ab\u043c\u0435\u0442\u043e\u0434 \u043f\u0435\u0440\u0435\u0434\u0438\u0441\u043a\u0440\u0435\u043a\u0442\u0438\u0437\u0430\u0446\u0438\u0438\u00a0\u2014 \u043c\u0435\u0442\u043e\u0434 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438\u00a0\u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438\u00bb. <\/p>\n<p>\u0422\u0430\u043a\u00a0\u0436\u0435 \u0441\u0442\u043e\u0438\u0442 \u043e\u0442\u043c\u0435\u0442\u0438\u0442\u044c \u0442\u043e\u0442 \u0444\u0430\u043a\u0442, \u0447\u0442\u043e\u00a0\u0434\u0438\u0441\u0431\u0430\u043b\u0430\u043d\u0441 \u0432\u00a0\u043a\u043b\u0430\u0441\u0441\u0430\u0445 \u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0435 \u0432\u043b\u0438\u044f\u043d\u0438\u0435 \u043d\u0430\u00a0\u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438, \u0432\u00a0\u0441\u0432\u044f\u0437\u0438 \u0441\u00a0\u0447\u0435\u043c \u044f \u0441\u0447\u0438\u0442\u0430\u044e, \u0447\u0442\u043e\u00a0\u0446\u0435\u043b\u0435\u0441\u043e\u043e\u0431\u0440\u0430\u0437\u043d\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u00a0\u043b\u0438\u0448\u044c \u043d\u0430\u00a0\u0441\u0431\u0430\u043b\u0430\u043d\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<p>\u0421\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 <a href=\"https:\/\/github.com\/BroVadim\/News_classifier\/blob\/main\/Classificator.ipynb\" rel=\"noopener noreferrer nofollow\">Github\u2011\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439<\/a>.<\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p> <!----> <!----><\/div>\n<p> <!----> <!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/post\/724790\/\"> https:\/\/habr.com\/ru\/post\/724790\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><\/figure>\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!<\/p>\n<p>\u041c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442 \u0414\u0430\u0440\u043c\u043e\u0440\u0435\u0437\u043e\u0432 \u0412\u0430\u0434\u0438\u043c, \u044f Data Scientist \u0438 \u0443\u0447\u0430\u0441\u0442\u043d\u0438\u043a <a href=\"https:\/\/newtechaudit.ru\/\" rel=\"noopener noreferrer nofollow\">\u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0441\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u0430 NTA<\/a>. \u0410\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u00a0\u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u043e\u0431\u044a\u0435\u043c\u0430\u043c\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0435\u0449\u0451 \u0434\u043e\u043b\u0433\u043e\u0435 \u0432\u0440\u0435\u043c\u044f (\u0430 \u043c\u043e\u0436\u0435\u0442\u00a0\u0431\u044b\u0442\u044c \u0438 \u0432\u0441\u0435\u0433\u0434\u0430) \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u043e\u0441\u043f\u043e\u0440\u0438\u043c\u0430. \u041f\u0440\u0438\u00a0\u044d\u0442\u043e\u043c \u0441\u043f\u0435\u043a\u0442\u0440 \u0437\u0430\u0434\u0430\u0447 \u0432\u0435\u0441\u044c\u043c\u0430 \u0432\u0430\u0440\u0438\u0430\u0442\u0438\u0432\u0435\u043d\u00a0\u2014 \u043e\u0442\u00a0\u0437\u0430\u0434\u0430\u0447 \u043f\u043e\u00a0\u043f\u043e\u0438\u0441\u043a\u0443 \u0438\u043c\u0435\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0441\u0443\u0449\u043d\u043e\u0441\u0442\u0435\u0439, \u0434\u043e\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u043c\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043c \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e. \u041f\u0435\u0440\u0435\u0434 \u0432\u0430\u043c\u0438 \u0432\u0430\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430\u00a0\u2014 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u0432\u0445\u043e\u0434\u044f\u0449\u0438\u0445 \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u0439 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u043e\u0432\/\u043a\u043b\u0438\u0435\u043d\u0442\u043e\u0432 \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u043f\u0440\u043e\u0444\u0438\u043b\u044c\u043d\u044b\u043c\u0438 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u0430\u043c\u0438 \u043d\u0430\u00a0\u043f\u0440\u0435\u0434\u043c\u0435\u0442 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0439 \u0438 \u0434\u043b\u044f\u00a0\u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u0443\u044e\u0449\u0438\u0445 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u043a. \u041f\u0435\u0440\u0432\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435, \u043f\u0440\u0438\u0445\u043e\u0434\u044f\u0449\u0435\u0435 \u0432\u00a0\u0433\u043e\u043b\u043e\u0432\u0443\u00a0\u2014 \u0432\u00a0\u0440\u0443\u0447\u043d\u043e\u043c \u0440\u0435\u0436\u0438\u043c\u0435 \u043f\u0440\u043e\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0442\u044c \u043e\u0431\u0440\u0430\u0449\u0435\u043d\u0438\u044f \u0438 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0438\u0445 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e. \u0421\u043f\u0443\u0441\u0442\u044f \u043f\u0430\u0440\u0443 \u0447\u0430\u0441\u043e\u0432, \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442 \u043e\u0441\u043e\u0437\u043d\u0430\u043d\u0438\u0435 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u00a0\u0440\u0435\u0448\u0435\u043d\u0438\u0435\u00a0\u0431\u044b\u043b\u043e \u043d\u0435\u00a0\u0441\u0430\u043c\u044b\u043c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c \u0438 \u0442\u0430\u043a \u0437\u0430\u0434\u0430\u0447\u0443 \u043d\u0435\u00a0\u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0432\u00a0\u0441\u0440\u043e\u043a. \u041a\u0430\u043a\u00a0\u0436\u0435 \u0442\u043e\u0433\u0434\u0430 \u043f\u043e\u0441\u0442\u0443\u043f\u0438\u0442\u044c? \u0418\u043c\u0435\u043d\u043d\u043e \u043e\u0431\u00a0\u044d\u0442\u043e\u043c \u0431\u0443\u0434\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043f\u043e\u0441\u0442.<\/p>\n<p>\u0417\u0430\u0434\u0430\u0447\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430\u00a0\u044f\u0437\u044b\u043a\u0435 Python \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043e\u0431\u0448\u0438\u0440\u043d\u0430\u044f \u0442\u0435\u043c\u0430, \u0432\u00a0\u043d\u0435\u0439 \u043c\u043e\u0433\u0443\u0442 \u0432\u0441\u0442\u0440\u0435\u0447\u0430\u0442\u044c\u0441\u044f \u043a\u0430\u043a\u00a0automl\u2011\u043f\u043e\u0434\u0445\u043e\u0434\u044b, \u043c\u043e\u0434\u0435\u043b\u0438 \u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0430\u043a \u0438 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0432\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b. \u0412\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u0434\u0430\u043d\u043d\u043e\u0433\u043e \u043f\u043e\u0441\u0442\u0430 \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u044d\u0442\u0430\u043b\u043e\u043d\u043d\u044b\u0439 pipeline \u0434\u043b\u044f\u00a0\u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u0441\u00a0\u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043f\u0440\u0435\u0434\u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u043d\u044b\u0445 \u0434\u043b\u044f\u00a0\u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438.<\/p>\n<figure class=\"\"><\/figure>\n<p>1. \u0424\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0435\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438.<\/p>\n<p>\u0412\u00a0\u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043e\u0431\u0443\u0447\u0430\u044e\u0449\u0435\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0432\u044b\u0431\u043e\u0440 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 (\u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u0438 \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b, \u043d\u043e\u00a0\u0447\u0430\u0449\u0435 \u0432\u0441\u0435\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442\u0441\u044f \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u044f 30\/70\u00a0\u0438\u043b\u0438 20\/80\u00a0\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435\/\u043d\u0435\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435), \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u0440\u0443\u0447\u043d\u0443\u044e (\u0434\u0430\u043d\u043d\u044b\u0435, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0442\u0430\u043a \u0441\u0430\u043c\u043e\u043e\u0442\u0432\u0435\u0440\u0436\u0435\u043d\u043d\u043e \u0440\u0430\u0437\u043c\u0435\u0447\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0447\u0430\u0441\u043e\u0432 \u0442\u0443\u0442 \u043f\u0440\u0438\u0434\u0443\u0442\u0441\u044f \u043e\u0447\u0435\u043d\u044c \u043a\u0441\u0442\u0430\u0442\u0438). \u042d\u0442\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b \u0434\u043b\u044f\u00a0\u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0438 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0432\u00a0\u0447\u0438\u0441\u043b\u043e\u0432\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435, \u043f\u043e\u043d\u044f\u0442\u043d\u043e\u0435 \u0434\u043b\u044f\u00a0\u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e\u0435 \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430 \u0441\u043a\u0440\u044b\u0442\u044b\u0445 \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0435\u0439, \u0431\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u0442\u0435\u043a\u0441\u0442 \u043c\u043e\u0436\u0435\u0442\u00a0\u0431\u044b\u0442\u044c \u043e\u0442\u043d\u0435\u0441\u0435\u043d \u043a\u00a0\u0442\u043e\u0439 \u0438\u043b\u0438\u00a0\u0438\u043d\u043e\u0439 \u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0435.<\/p>\n<p>2. \u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<p>\u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0432\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u0437\u0430\u0434\u0430\u0447 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f\u00a0\u2014 \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u0430\u044f \u0432\u0430\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430. \u041c\u043e\u0434\u0435\u043b\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u00a0\u0447\u0438\u0441\u043b\u043e\u0432\u044b\u043c \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u0434\u043b\u044f\u00a0\u0447\u0435\u0433\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0438\u0445 \u0432\u0435\u043a\u0442\u043e\u0440\u0430 (\u043f\u0443\u043d\u043a\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432). \u0414\u043b\u044f\u00a0\u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u043a\u0442\u043e\u0440\u00a0\u0431\u044b\u043b \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0442\u0438\u0432\u0435\u043d \u0434\u043b\u044f\u00a0\u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043d\u0430\u0438\u043b\u0443\u0447\u0448\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u043c\u043e\u0433 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u0438\u0435 \u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u044c \u0443\u043d\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044e \u0434\u0430\u043d\u043d\u044b\u0445, \u0443\u0434\u0430\u043b\u044f\u0442\u044c \u043d\u0435\u00a0\u043d\u0435\u0441\u0443\u0449\u0438\u0435 \u0441\u043c\u044b\u0441\u043b\u0430 \u0441\u043b\u043e\u0432\u0430 \u0438 \u0437\u043d\u0430\u043a\u0438. \u041e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438, \u0440\u0435\u0448\u0430\u0435\u043c\u044b\u0435 \u043f\u0440\u0438\u00a0\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u0434\u0430\u043d\u043d\u044b\u0445:<\/p>\n<ul>\n<li>\n<p>\u041f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u043a\u00a0\u043d\u0438\u0436\u043d\u0435\u043c\u0443 \u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0443. \u0414\u043b\u044f\u00a0\u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u0430 \u043e\u0434\u043d\u043e \u0438 \u0442\u043e\u00a0\u0436\u0435 \u0441\u043b\u043e\u0432\u043e, \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u043d\u043e\u0435 \u0432\u00a0\u0440\u0430\u0437\u043d\u043e\u043c \u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0435, \u0431\u0443\u0434\u0435\u0442 \u0432\u043e\u0441\u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0442\u044c\u0441\u044f \u043a\u0430\u043a\u00a0\u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0441\u043b\u043e\u0432\u0430.<\/p>\n<\/li>\n<li>\n<p>\u041e\u0447\u0438\u0441\u0442\u043a\u0430 \u043e\u0442 \u00ab\u043c\u0443\u0441\u043e\u0440\u0430\u00bb. \u0412\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043e\u0447\u0438\u0441\u0442\u043a\u0430 \u043f\u043e\u0434\u0440\u0430\u0437\u0443\u043c\u0435\u0432\u0430\u0435\u0442 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u043f\u0435\u0446\u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432, \u043e\u043f\u0435\u0447\u0430\u0442\u043e\u043a, \u0441\u043b\u043e\u0432 \u0441\u00a0\u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0439 \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u043a\u043e\u0439, \u0437\u043d\u0430\u043a\u043e\u0432 \u043f\u0443\u043d\u043a\u0442\u0443\u0430\u0446\u0438\u0438. <\/p>\n<\/li>\n<li>\n<p>\u0423\u0434\u0430\u043b\u0435\u043d\u0438\u0435 \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432. \u041a\u00a0\u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432\u0430\u043c \u0432\u00a0\u0440\u0430\u043c\u043a\u0430\u0445 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043e\u0431\u044b\u0447\u043d\u043e \u043e\u0442\u043d\u043e\u0441\u044f\u0442 \u0441\u043b\u0443\u0436\u0435\u0431\u043d\u044b\u0435 \u0447\u0430\u0441\u0442\u0438 \u0440\u0435\u0447\u0438, \u0442\u0430\u043a\u0438\u0435 \u043a\u0430\u043a\u00a0\u0447\u0430\u0441\u0442\u0438\u0446\u044b, \u0441\u043e\u044e\u0437\u044b, \u043f\u0440\u0435\u0434\u043b\u043e\u0433\u0438 \u0438 \u043c\u0435\u0436\u0434\u043e\u043c\u0435\u0442\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0447\u0430\u0441\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u0442\u044c \u0432\u00a0\u0442\u0435\u043a\u0441\u0442\u0435, \u0438 \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0432\u00a0\u0441\u0432\u043e\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u043d\u0435\u00a0\u043d\u0435\u0441\u0443\u0442 \u043a\u0430\u043a\u043e\u0439\u2011\u043b\u0438\u0431\u043e \u0441\u043c\u044b\u0441\u043b\u043e\u0432\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0438.<\/p>\n<\/li>\n<li>\n<p>\u0421\u0442\u0435\u043c\u043c\u0438\u043d\u0433\/ \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0441\u043b\u043e\u0432. <strong>\u0421\u0442\u0435\u043c\u043c\u0438\u043d\u0433<\/strong>\u00a0\u2014 \u044d\u0442\u043e \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043d\u0430\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u043e\u0441\u043d\u043e\u0432\u044b \u0441\u043b\u043e\u0432\u0430, \u0430 <strong>\u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f<\/strong>\u00a0\u2014 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u043d\u0430\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u044f \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u0444\u043e\u0440\u043c\u044b \u0441\u043b\u043e\u0432\u0430. <\/p>\n<\/li>\n<\/ul>\n<p>3. \u0412\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432.<\/p>\n<p>\u041f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0438\u0437\u00a0\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u00a0\u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0435, \u0434\u043b\u044f\u00a0\u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0433\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u0440\u0438\u00a0\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0438 \u043c\u043e\u0434\u0435\u043b\u0438. \u041d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u043c\u0438 \u043c\u0435\u0442\u043e\u0434\u0430\u043c\u0438 \u0432\u0435\u043a\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438 \u044f\u0432\u043b\u044f\u044e\u0442\u0441\u044f: \u041f\u0440\u044f\u043c\u043e\u0435 \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0435\u0438\u0435 (one\u2011hot encoding), bag of words, tf\u2011idf \u0430\u00a0\u0442\u0430\u043a\u00a0\u0436\u0435 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u044d\u043c\u0431\u0435\u0434\u0438\u043d\u0433\u043e\u0432 \u0441\u043b\u043e\u0432\/\u0442\u0435\u043a\u0441\u0442\u043e\u0432 (word2vec, doc2vec)<\/p>\n<p>4. \u0412\u044b\u0431\u043e\u0440 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440\u0430 \u0438 \u0435\u0451 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435.<\/p>\n<p>\u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u0432\u044b\u0431\u043e\u0440 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0435\u0439 \u0434\u043b\u044f\u00a0\u0437\u0430\u0434\u0430\u0447\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0430\u00a0\u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0438\u0441\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0445 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>5. \u041e\u0446\u0435\u043d\u043a\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441\u00a0\u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043c\u0435\u0442\u0440\u0438\u043a, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440\u00a0\u2014 precision, accuracy, recall, F\u2011\u043c\u0435\u0440\u0430.<\/p>\n<p>6. \u041f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043a\u00a0\u043d\u0435\u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c<\/p>\n<p>\u041a\u043e\u0433\u0434\u0430 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0444\u0440\u043e\u043d\u0442 \u0440\u0430\u0431\u043e\u0442 \u0432\u044b\u0441\u0442\u0440\u043e\u0435\u043d, \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u0438\u0441\u0442\u0443\u043f\u0430\u0442\u044c \u043a\u00a0\u0440\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438.<\/p>\n<p>\u0412\u00a0\u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435 \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430 \u0434\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0432\u00a0\u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0432\u044b\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u0432\u044b\u0431\u043e\u0440\u043a\u0430 \u043d\u043e\u0432\u043e\u0441\u0442\u043d\u044b\u0445 \u0441\u0442\u0430\u0442\u0435\u0439 \u0441\u00a0\u0443\u043a\u0430\u0437\u0430\u043d\u0438\u0435\u043c \u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438 \u0441\u0442\u0430\u0442\u044c\u0438 (\u0441\u043f\u043e\u0440\u0442, \u043c\u0438\u0440, \u043d\u0430\u0443\u043a\u0430 \u0438 \u0442\u0435\u0445\u043d\u0438\u043a\u0430, \u043a\u0443\u043b\u044c\u0442\u0443\u0440\u0430, \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u043a\u0430, \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0438 \u0441\u043c\u0438), \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u043d\u0430\u044f \u0432\u00a0\u0444\u043e\u0440\u043c\u0430\u0442\u0435 csv. \u041e\u0431\u0449\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0441\u0442\u0430\u0442\u0435\u0439\u00a0\u2014 432\u00a0158.<\/p>\n<p>\u0414\u043b\u044f\u00a0\u043d\u0430\u0447\u0430\u043b\u0430 \u0438\u043c\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0435 \u0434\u043b\u044f\u00a0\u0440\u0430\u0431\u043e\u0442\u044b \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438:<\/p>\n<pre><code class=\"python\">import numpy as np import pandas as pd import nltk nltk.download('stopwords') # \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u043a\u043e\u043c\u0430\u043d\u0434\u0443 \u043f\u043e\u0441\u043b\u0435 \u0441\u0430\u043c\u043e\u0433\u043e \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0438\u043c\u043f\u043e\u0440\u0442\u0430 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 nltk.download('punkt') from nltk.corpus import stopwords from nltk.tokenize import word_tokenize from pymystem3 import Mystem from tqdm import tqdm from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.pipeline import Pipeline, make_pipeline from sklearn.experimental import enable_halving_search_cv from sklearn.model_selection import (     train_test_split,     HalvingRandomSearchCV ) from sklearn.metrics import (     ConfusionMatrixDisplay, confusion_matrix,     f1_score, roc_auc_score,     classification_report, make_scorer ) from sklearn.ensemble import RandomForestClassifier from xgboost import XGBClassifier from collections import Counter from sklearn.datasets import make_classification from imblearn.under_sampling import NearMiss  import matplotlib.pyplot as plt  topics_dict = {#\u0441\u043b\u043e\u0432\u0430\u0440\u044c \u0434\u043b\u044f \u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043a\u0430\u0442\u0435\u0433\u043e\u0440\u0438\u0430\u043b\u044c\u043d\u044b\u0445 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432     '\u0421\u043f\u043e\u0440\u0442': 1, '\u041c\u0438\u0440': 2,     '\u041d\u0430\u0443\u043a\u0430 \u0438 \u0442\u0435\u0445\u043d\u0438\u043a\u0430': 3, '\u041a\u0443\u043b\u044c\u0442\u0443\u0440\u0430': 4,     '\u042d\u043a\u043e\u043d\u043e\u043c\u0438\u043a\u0430': 5, '\u0418\u043d\u0442\u0435\u0440\u043d\u0435\u0442 \u0438 \u0421\u041c\u0418': 6 }<\/code><\/pre>\n<p>\u0414\u043e\u043f\u043e\u043b\u043d\u0438\u043c \u0441\u043f\u0438\u0441\u043e\u043a \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432 \u0438\u0437\u00a0\u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 nltk \u0441\u0432\u043e\u0438\u043c\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c\u0438. \u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u043e\u043c\u0435\u043d\u0442 \u0441\u043f\u0438\u0441\u043e\u043a \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d 151\u00a0\u0441\u043b\u043e\u0432\u043e\u043c \u0438 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 \u0440\u0430\u0437 \u043e\u0431\u043d\u043e\u0432\u043b\u044f\u043b\u0441\u044f \u0431\u043e\u043b\u0435\u0435 10\u00a0\u043b\u0435\u0442 \u043d\u0430\u0437\u0430\u0434.<\/p>\n<pre><code class=\"python\">additional_stopwords = ['\u043a\u043e\u0442\u043e\u0440\u044b\u0445','\u043a\u043e\u0442\u043e\u0440\u044b\u0435','\u0442\u0432\u043e\u0439','\u043a\u043e\u0442\u043e\u0440\u043e\u0439','\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e','\u0441\u0438\u0445','\u043a\u043e\u043c','\u0441\u0432\u043e\u0439','\u0442\u0432\u043e\u044f','\u044d\u0442\u0438\u043c\u0438','\u0441\u043b\u0438\u0448\u043a\u043e\u043c','\u043d\u0430\u043c\u0438','\u0432\u0441\u0435\u043c\u0443', '\u0431\u0443\u0434\u044c','\u0441\u0430\u043c\u0443','\u0447\u0430\u0449\u0435','\u0432\u0430\u0448\u0435','\u0441\u0430\u043c\u0438','\u043d\u0430\u0448','\u0437\u0430\u0442\u0435\u043c', '\u0441\u0430\u043c\u0438\u0445','\u043d\u0430\u0448\u0438','\u0442\u0443','\u043a\u0430\u0436\u0434\u043e\u0435','\u043c\u043e\u0447\u044c','\u0432\u0435\u0441\u044c','\u044d\u0442\u0438\u043c', '\u043d\u0430\u0448\u0430','\u0441\u0432\u043e\u0438\u0445','\u043e\u0431\u0430','\u043a\u043e\u0442\u043e\u0440\u044b\u0439','\u0437\u0430\u0442\u043e','\u0442\u0435','\u044d\u0442\u0438\u0445','\u0432\u0441\u044f', '\u0432\u0430\u0448','\u0442\u0430\u043a\u0430\u044f','\u0442\u0435\u043c\u0438','\u0435\u044e','\u043a\u043e\u0442\u043e\u0440\u0430\u044f','\u043d\u0435\u0440\u0435\u0434\u043a\u043e','\u043a\u0430\u0436\u0434\u0430\u044f', '\u0442\u0430\u043a\u0436\u0435','\u0447\u0435\u043c\u0443','\u0441\u043e\u0431\u043e\u0439','\u0441\u0430\u043c\u0438\u043c\u0438','\u043d\u0435\u043c','\u0432\u0430\u043c\u0438','\u0438\u043c\u0438', '\u043e\u0442\u043a\u0443\u0434\u0430','\u0442\u0430\u043a\u0438\u0435','\u0442\u043e\u043c\u0443','\u0442\u0430','\u043e\u0447\u0435\u043d\u044c','\u0441\u0430\u043c\u0430','\u043d\u0435\u043c\u0443', '\u0430\u043b\u043b\u043e','\u043e\u043d\u043e','\u044d\u0442\u043e\u043c\u0443','\u043a\u043e\u043c\u0443','\u0442\u043e\u0431\u043e\u0439','\u0442\u0430\u043a\u0438','\u0442\u0432\u043e\u0451', '\u043a\u0430\u0436\u0434\u044b\u0435','\u0442\u0432\u043e\u0438','\u043d\u0435\u044e','\u0441\u0430\u043c\u0438\u043c','\u0432\u0430\u0448\u0438','\u0432\u0430\u0448\u0430','\u043a\u0435\u043c','\u043c\u043e\u0438','\u043e\u0434\u043d\u0430\u043a\u043e','\u0441\u0440\u0430\u0437\u0443','\u0441\u0432\u043e\u0435','\u043d\u0438\u043c\u0438','\u0432\u0441\u0451','\u043d\u0435\u0451','\u0442\u0435\u0445','\u0445\u043e\u0442\u044f','\u0432\u0441\u0435\u043c','\u0442\u043e\u0431\u043e\u044e','\u0442\u0435\u0431\u0435','\u043e\u0434\u043d\u043e\u0439','\u0434\u0440\u0443\u0433\u0438\u0435','\u0441\u0430\u043c\u043e','\u044d\u0442\u0430', '\u0441\u0430\u043c\u043e\u0439','\u043c\u043e\u0451','\u0441\u0432\u043e\u0435\u0439','\u0442\u0430\u043a\u043e\u0435','\u0432\u0441\u0435\u044e','\u0431\u0443\u0434\u0443\u0442','\u0441\u0432\u043e\u0435\u0433\u043e', '\u043a\u043e\u0433\u043e','\u0441\u0432\u043e\u0438','\u043c\u043e\u0433','\u043d\u0430\u043c','\u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e','\u0435\u0451','\u0441\u0430\u043c\u043e\u043c\u0443', '\u043d\u0430\u0448\u0435','\u043a\u0440\u043e\u043c\u0435','\u0432\u043e\u043e\u0431\u0449\u0435','\u0432\u043e\u043d','\u043c\u043d\u043e\u044e','\u043d\u0438\u043a\u0442\u043e','\u044d\u0442\u043e']  stop_words = stopwords.words('russian') + additional_stopwords m = Mystem()<\/code><\/pre>\n<p>\u041d\u0438\u0436\u0435 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0430 \u0447\u0430\u0441\u0442\u044c \u043a\u043e\u0434\u0430, \u0432\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0434\u0435\u043d\u0430 \u043a\u043e\u043c\u043f\u0438\u043b\u044f\u0446\u0438\u044f \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0447\u0430\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c\u044b\u0445 \u0434\u043b\u044f\u00a0\u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0439 (\u043f\u0440\u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0438 \u0432\u00a0\u0446\u0438\u043a\u043b\u0430\u0445 \u0441\u00a0\u0431\u043e\u043b\u044c\u0448\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e\u043c \u0448\u0430\u0433\u043e\u0432 \u0434\u0430\u0435\u0442 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 \u0432\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438) \u0438 \u043d\u0430\u0431\u043e\u0440 \u0444\u0443\u043d\u043a\u0446\u0438\u0439, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0449\u0438\u0445\u0441\u044f \u0434\u043b\u044f\u00a0\u043e\u0447\u0438\u0441\u0442\u043a\u0438 \u0432\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430, \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u043e\u043f\u2011\u0441\u043b\u043e\u0432, \u0430\u00a0\u0442\u0430\u043a\u0436\u0435 \u0435\u0433\u043e \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438:<\/p>\n<pre><code class=\"python\">del_n = re.compile('\\n')                # \u043f\u0435\u0440\u0435\u043d\u043e\u0441 \u043a\u0430\u0440\u0435\u0442\u043a\u0438 del_tags = re.compile('&lt;[^>]*>')        # html-\u0442\u0435\u0433\u0438 del_brackets = re.compile('\\([^)]*\\)')  # \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u043c\u043e\u0435 \u043a\u0440\u0443\u0433\u043b\u044b\u0445 \u0441\u043a\u043e\u0431\u043e\u043a clean_text = re.compile('[^\u0430-\u044fa-z\\s]')  # \u0432\u0441\u0435 \u043d\u0435\u0431\u0443\u043a\u0432\u0435\u043d\u043d\u044b\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b \u043a\u0440\u043e\u043c\u0435 \u043f\u0440\u043e\u0431\u0435\u043b\u043e\u0432 del_spaces = re.compile('\\s{2,}')  def prepare_text(text):     text = del_n.sub(' ', str(text).lower())     text = del_tags.sub('', text)     text = del_brackets.sub('', text)     res_text = clean_text.sub('', text)     return del_spaces.sub(' ',res_text)  def del_stopwords(text):     clean_tokens = tuple(         map( lambda x: x if x not in stop_words else '', word_tokenize(text) )     )     res_text = ' '.join(clean_tokens)     return res_text  def lemmatize(text):         lemmatized_text = ''.join(m.lemmatize(text))     return lemmatized_text.split('|')<\/code><\/pre>\n<p>\u0414\u0430\u043b\u0435\u0435 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u0435\u043d\u0438\u0435 \u0432\u0441\u0435\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u0439. \u0412\u00a0\u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0435\u043c \u0443\u0447\u0430\u0441\u0442\u043a\u0435 \u043a\u043e\u0434\u0430 \u0441\u0447\u0438\u0442\u0430\u043d\u043d\u044b\u0435 \u0438\u0437\u00a0csv\u2011\u0444\u0430\u0439\u043b\u0430 \u0442\u0435\u043a\u0441\u0442\u044b \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u043d\u0430\u00a0\u0447\u0430\u0441\u0442\u0438 \u043f\u043e 10\u00a0\u0442\u044b\u0441\u044f\u0447 \u0441\u0442\u0440\u043e\u043a \u0432\u00a0\u043a\u0430\u0436\u0434\u043e\u0439. \u0414\u043b\u044f\u00a0\u0447\u0435\u0433\u043e \u044d\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442\u0441\u044f? \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u0443 \u043d\u0430\u00a0\u0425\u0430\u0431\u0440\u0435 \u00ab<a href=\"https:\/\/habr.com\/ru\/post\/503420\" rel=\"noopener noreferrer nofollow\">\u041b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u0443\u0439 \u044d\u0442\u043e \u0431\u044b\u0441\u0442\u0440\u0435\u0435<\/a>\u00bb \u044f \u0432\u044b\u044f\u0441\u043d\u0438\u043b, \u0447\u0442\u043e\u00a0\u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u043e\u0431\u044a\u0435\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0440\u0430\u0437\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0442\u043b\u0438\u0447\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0432\u00a0\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442\u00a0\u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u0432\u044b\u0437\u043e\u0432\u043e\u0432 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438, \u0432\u00a0\u0441\u0432\u044f\u0437\u0438 \u0441\u00a0\u0447\u0435\u043c\u00a0\u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u043e\u0431\u044a\u0435\u0434\u0438\u043d\u044f\u0442\u044c \u0442\u0435\u043a\u0441\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0439 \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u0435\u043b\u044c, \u0430\u00a0\u043f\u043e\u0441\u043b\u0435 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u0438\u0445 \u0432\u00a0\u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435. \u041f\u043e\u0441\u043b\u0435 \u043c\u043d\u043e\u0433\u043e\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u0441\u00a0chunksize (\u0440\u0430\u0437\u043c\u0435\u0440 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043e\u0431\u0449\u0435\u0433\u043e \u0434\u0430\u0442\u0430\u0441\u0435\u0442\u0430), \u0440\u0430\u0437\u0431\u0438\u0435\u043d\u0438\u0435 \u043f\u043e 10\u00a0\u0442\u044b\u0441\u044f\u0447 \u0434\u0430\u043b\u043e \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u043e\u00a0\u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 (\u043d\u0430 \u043c\u0435\u043d\u044c\u0448\u0435\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0435 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u043f\u043e\u00a0\u0432\u0440\u0435\u043c\u0435\u043d\u0438\u00a0\u0431\u044b\u043b \u043d\u0435\u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u043c, \u043d\u0430\u00a0\u0431\u043e\u043b\u044c\u0448\u0435\u043c\u00a0\u2014 \u043e\u0447\u0438\u0441\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430\u00a0\u0434\u0440\u0443\u0433\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0430\u0441\u044c \u043d\u0430\u043c\u043d\u043e\u0433\u043e \u0434\u043e\u043b\u044c\u0448\u0435, \u043d\u0438\u0432\u0435\u043b\u0438\u0440\u0443\u044f \u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u0435 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u043b\u0435\u043c\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u0438).<\/p>\n<pre><code class=\"python\">df = pd.read_csv('file_directory', chunksize = 10000) filtered_chunk_list=[] for chunk in tqdm(df):     chunk['text'] = chunk['text'].apply(lambda x: prepare_text(str(x)) )     all_texts = '|'.join( chunk['text'].tolist())     clean_texts = del_stopwords(all_texts)     chunk['text'] = lemmatize(clean_texts)     chunk['title'] = chunk['title'].apply(lambda x: prepare_text(str(x)))     all_titles = '|'.join( chunk['title'].tolist())     clean_titles = del_stopwords(all_titles)     chunk['title'] = lemmatize(clean_titles)     chunk['topic'] = chunk['topic'].map(topics_dict)     filtered_chunk_list.append(chunk) model_df = pd.concat(filtered_chunk_list) model_df.to_csv('text_prepare.csv', index=False)<\/code><\/pre>\n<p>\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u0430\u044f \u043d\u0438\u0436\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c \u043d\u0430\u0438\u043b\u0443\u0447\u0448\u0438\u0435 \u0433\u0438\u043f\u0435\u0440\u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0434\u043b\u044f\u00a0\u0432\u044b\u0431\u0440\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438:<\/p>\n<pre><code class=\"python\">def search_best_estimator(pipeline, param_grid, x, y):     hrs = HalvingRandomSearchCV(         estimator=pipeline,         param_distributions=param_grid,         scoring='f1_weighted',         cv=3,         n_candidates=\"exhaust\",         factor=5,         n_jobs=-1,     )     _ = hrs.fit(x, y)     return hrs.best_estimator_<\/code><\/pre>\n<p>\u0414\u043b\u044f\u00a0\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0440\u0430\u0431\u043e\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u043c\u0438\u043c\u043e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a\u00a0\u0431\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u043b\u0435\u0437\u043d\u043e \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 \u0432\u00a0\u0432\u0438\u0434\u0435 \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u0432, \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c \u0438\u00a0\u0442.\u00a0\u0434. \u041e\u0434\u043d\u0438\u043c \u0438\u0437\u00a0\u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0432\u0438\u0437\u0443\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043e\u0448\u0438\u0431\u043e\u043a (<a href=\"https:\/\/en.wikipedia.org\/wiki\/Confusion_matrix\" rel=\"noopener noreferrer nofollow\">confusion matrix<\/a>). \u041d\u0430\u00a0\u0434\u0430\u043d\u043d\u043e\u0439 \u043c\u0430\u0442\u0440\u0438\u0446\u0435 \u043b\u0435\u0433\u043a\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\/\u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u0441\u043f\u0440\u043e\u0433\u043d\u043e\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439. <\/p>\n<pre><code class=\"python\">def plot_confusion_matrix(y_test, y_preds, model):     fig, ax = plt.subplots(figsize=(16,10))     cm = confusion_matrix(y_test, y_preds)     cmp = ConfusionMatrixDisplay(cm, display_labels = model.classes_ )     cmp.plot(ax=ax)     plt.show()<\/code><\/pre>\n<h2>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438<\/h2>\n<p>\u041a\u043e\u0433\u0434\u0430 \u0432\u0441\u0435<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-347291","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/347291","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=347291"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/347291\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=347291"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=347291"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=347291"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}