Turite mažą duomenų rinkinį su filmų apžvalgomis rusų kalba ir jų dvejetainiu tonų žymeniu (žymės: 0 — neigiamas, 1 — teigiamas). Jūsų užduotis yra įgyvendinti pilną pipeline per 15 minučių, norint apmokyti paprastą teksto klasifikavimo modelį be naudoti paruoštų koduotojų kaip BERT, ir parodyti tikslumą (accuracy) šiuose duomenyse. reviews = [ "Šis filmas yra tiesiog nuostabus!", "Baisi aktorių žaidimas ir nuobodus siužetas.", "Man patiko kiekviena akimirka!", "Blogiausias filmas, kurį mačiau.", "Puikus režisieriaus darbas ir nuostabi istorija.", "Neįmanomai nuobodu ir iš anksto numatomas." ] labels = [1, 0, 1, 0, 1, 0]

Для быстрого решения задачи классификации текстов на русском языке без использования готовых энкодеров можно сделать следующий pipeline:

1. Токенизация и простая предобработка (приведение к нижнему регистру, удаление знаков препинания).
2. Векторизация текста с помощью мешка слов (Bag of Words) с помощью sklearn CountVectorizer.
3. Обучение простой модели, например, логистической регрессии.
4. Оценка точности на тех же данных (так как датасет очень маленький).

Пример кода на Python:

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

reviews = [
    "Этот фильм просто потрясающий!",
    "Ужасная игра актёров и скучный сюжет.",
    "Мне очень понравилось каждое мгновение!",
    "Самый худший фильм, который я видел.",
    "Отличная операторская работа и замечательная история.",
    "Невыносимо скучно и предсказуемо."
]
labels = [1, 0, 1, 0, 1, 0]

# Векторизация
vectorizer = CountVectorizer(lowercase=True)
X = vectorizer.fit_transform(reviews)

# Обучение модели
model = LogisticRegression()
model.fit(X, labels)

# Предсказание и оценка
preds = model.predict(X)
accuracy = accuracy_score(labels, preds)
print(f"Accuracy: {accuracy:.2f}")

Такой подход позволит за 15 минут получить базовую модель классификации с приемлемой точностью на маленьком датасете.