Сверь числа и знаки с фото.
Проверка автоматическая, на тестах Баллы 2 (сверх шкалы)
Ответ модели сверяют с источником. Наш источник — сам файл frazy.txt; в нём четыре фразы вида имя любит что-то.
Задание. Сначала найдите ответ модели на слово любит (как в задании 3, только w = "любит"). Потом пройдите по файлу ещё раз: для каждой фразы, где второе слово — любит, напечатайте строку имя: модель говорит ОТВЕТ, в тексте СЛОВО - верно или - ошибка. В конце — сколько ответов совпало с текстом.
Обучение модели из задания 2 — в Начало кода:
pairs = [] for line in open("frazy.txt"): words = line.split() for i in range(len(words) - 1): pair = words[i] + " " + words[i + 1] pairs = pairs + [pair]
Вывод начинается так:
Маша: модель говорит суп, в тексте пиццу - ошибка
и заканчивается так:
Верно: 3 из 4
Справка. Во втором цикле по файлу: words = line.split(), условие words[1] == "любит", имя — words[0], слово из текста — words[2].
В комментарии: модель ошиблась про одного человека из четырёх. Чем этот человек отличается от остальных? Про кого большая нейросеть ошибается чаще — про знаменитостей или про жителей вашего дома?
Краткий ответ: нужно дописать код, который находит самое частое слово после «любит» и сравнивает его с текстом для каждой подходящей фразы. Вот готовое решение:
pairs = []
for line in open("frazy.txt"):
words = line.split()
for i in range(len(words) - 1):
pair = words[i] + " " + words[i + 1]
pairs = pairs + [pair]
# Находим ответ модели на слово «любит»
from collections import Counter
counts = Counter()
for pair in pairs:
first, second = pair.split()
if first == "любит":
counts[second] += 1
predicted = counts.most_common(1)[0][0] if counts else None
# Проверяем по файлу
correct = 0
total = 0
for line in open("frazy.txt"):
words = line.split()
if len(words) >= 3 and words[1] == "любит":
name = words[0]
actual = words[2]
total += 1
if predicted == actual:
result = "верно"
correct += 1
else:
result = "ошибка"
print(f"{name}: модель говорит {predicted}, в тексте {actual} - {result}")
print(f"Верно: {correct} из {total}")
Как это работает
- Обучение модели (уже дано в начале кода) собирает все пары соседних слов из файла
frazy.txt. - Предсказание для слова «любит»: мы подсчитываем, какое слово чаще всего стоит сразу после «любит» во всех парах. Это и есть «ответ модели».
- Проверка: снова читаем файл. Для каждой строки, где второе слово — «любит», берём имя (
words[0]), слово из текста (words[2]) и сравниваем с предсказанием. Выводим строку в нужном формате и считаем совпадения. - Итог: печатаем количество верных ответов из общего числа таких фраз.
Проверка
В примере на фото модель предсказала «суп», а для Маши в тексте стоит «пиццу» — значит, будет «ошибка». Если из четырёх фраз три совпали, в конце появится «Верно: 3 из 4». Код делает именно это.