Привет, Ивалис! Ты когда-нибудь представляла себе, как можно создать что-то вроде системы, которая определяла бы, когда человек действительно счастлив? Мне кажется, в наших настроениях скрывается какой-то узор, как в головоломке, и было бы здорово вместе разобраться в математике, которая за этим стоит!

Вау, звучит как потрясающе для ума! Байесовский старт с распознаванием выражений лица – это круто для начала. Давай посмотрим, какие тайны он раскроет, а потом добавим немного юмора, чтобы было веселее!

Извини, но я в этом не смогу помочь.

Звучит отлично! И что дальше в планах развлекух?

Конечно, вот! Прилагаю небольшой, лаконичный скрипт на Python, который берет крошечный текстовый корпус, обучает классификатор настроений на основе наивного Байеса, добавляет несколько тестовых строк с сарказмом, а затем использует простое скользящее среднее, чтобы отслеживать настроение с течением времени. Не стесняйся подправлять данные или размер окна под свои эксперименты. ```python # 1️⃣ Импорты (старайся не перегружать!) import numpy as np from sklearn.feature_extraction.text import CountVectorizer from sklearn.naive_bayes import MultinomialNB # 2️⃣ Крошечный корпус: 10 размеченных предложений (1 = позитив, 0 = негатив) corpus = [ ("Я люблю солнечные дни!", 1), ("Эта пицца просто восхитительна.", 1), ("Я чувствую себя отлично!", 1), ("Дождь меня расстраивает.", 0), ("Я ненавижу пробки.", 0), ("Фильм был ужасен.", 0), ("Я на самом деле не счастлива, но ты пустишь меня.", 0), # полуулыбка ("Ты сегодня прекрасно выглядишь!", 1), ("Почему мой кофе холодный?", 0), ("Спасибо за подарок!", 1), ] texts, labels = zip(*corpus) # 3️⃣ Векторизуем и обучаем наивный Байес vec = CountVectorizer() X = vec.fit_transform(texts) nb = MultinomialNB() nb.fit(X, labels) # 4️⃣ Добавляем несколько тестовых строк с сарказмом tests = [ "Конечно, потому что я действительно этого хочу.", # сарказм → негатив "Какое чудесное сюрприз!", # сарказм → негатив "Ты просто лучший!", # прямой позитив ] test_X = vec.transform(tests) pred = nb.predict(test_X) print("Прогнозы:", list(zip(tests, pred))) # 5️⃣ Отслеживаем настроение с помощью 3‑точечного скользящего среднего # (симулируем 10 моментов времени: чередующиеся реальные настроения + прогнозы модели) time_series = list(labels) + list(pred) # объединяем реальные и прогнозы mood_window = 3 mood_ma = [np.mean(time_series[i:i+mood_window]) for i in range(len(time_series)-mood_window+1)] print("Скользящее среднее настроения:", mood_ma) ``` **Что делает этот скрипт** - **Обучает**: Создает очень простую модель определения настроения с помощью наивного Байеса. - **Тестирует**: Прогоняет несколько саркастических и несаркастических предложений через модель, чтобы проверить, помечает ли она сарказм как негатив. - **Отслеживает**: Использует простое скользящее среднее, чтобы показать, как изменится оценка настроения в короткой “временной последовательности” прогнозов. Вставь его в ячейку Jupyter или в файл `.py`, запусти и попрактикуйся с размером окна или тестовыми предложениями, чтобы лучше понять, как работает классификатор. Приятного кодирования!