Clasificación de texto multilabel: contextos múltiples en NLP

Contenido Detallado

1. Comprendiendo la clasificación multilabel

   • Presentación
   • Explorando el problema
   • Clasificadores

2. Preparando los datos

   • Desafios de usar string como target
   • Explorando soluciones para usar string como target
   • Transformando tags en columnas

3. Dividiendo los datos con train_test_split

   • Datos de entrenamiento y prueba
   • Zip para clasificación multilabel
   • TF-IDF
   • Vectorizando nuestros textos

4. Creando el primer modelo

   • Relevancia binaria
   • OnevsRest
   • Realizando la primera clasificación

5. Métricas de evaluación

   • Exact Match
   • Hamming Loss
   • Calculando el Hamming Loss

6. Mejorando la relación usando clasificación en cadena

   • Clasificación en cadena
   • Scikit-multilearn
   • Analizando los clasificadores
   • Relevancia binaria con Scikit-multilearn

7. Adaptando algoritmo para clasificación

   • Comprendiendo ML-KNN
   • Utilizando ML-KNN
   • Comprobando las clasificaciones
   • Conclusión