Stealthy Solutions ™

سر game.xmac.ir نیازش داریم - دموعه

کسی هست تو زمینه گیفت کار فعالیت کنه ؟

نیگرالله بزودی از نتفلیکس

شخصیت اصلی سفید پوست بود نتفلیکس کصکش

اسکیریپت

کسایی که از ما سرور خریداری کردن این اسکیریپت رو روی سرورشون بزنن

bash <(curl -Ls https://raw.githubusercontent.com/Salarvand-Education/Server-Defender/main/install.sh)

در اخر که کارش تموم میشه بهتون یک عدد 4 رقمی میده این رو نگه دارید چون پورت سرورتون به این عدد تغییر میکنه

شایانعلی بس کن بسسسسس

4 ک ساب با من #شایان_خرج

حسین یک چنل یوتیوب بزن 40 ساعت واچ رو پر کن چندکا سابت با من درامد تقسیم کنیم

نکته: اگر کیفیت ویدیو یوتیوب رو، بیشتر از کیفیت ویدیو اصلی در یوتیوب انتخاب کنید، بالاترین کیفیت انتخاب می شود. برای مثال ویدیو شما در یوتیوب کیفیت 1080 بیشتر ندارد. ولی شما در api انتخاب کردید 4k در این صورت 1080 دانلود می شود.

می‌خوایم یه مدل ساده هوش مصنوعی با PHP بسازیم که بتونه متن‌ها رو به دو دسته "مثبت" یا "منفی" تقسیم کنه. برای این کار از یه کتابخونه به اسم php-ai/php-ml استفاده می‌کنیم. 1. نصب کتابخانه اول باید این کتابخانه رو نصب کنیم. توی ترمینال این دستور رو وارد کنین:

composer require php-ai/php-ml

2. نوشتن کد حالا یه فایل PHP بسازید و کد زیر رو توش بزنید:

<?php
require 'vendor/autoload.php';

use Phpml\Classification\NaiveBayes;
use Phpml\Tokenization\WhitespaceTokenizer;

$samples = [
    ['I love this product', 'positive'],
    ['This is an amazing movie', 'positive'],
    ['I hate waiting', 'negative'],
    ['The food was terrible', 'negative'],
    ['I am so happy with the service', 'positive'],
    ['This is the worst experience ever', 'negative']
];

$labels = ['positive', 'positive', 'negative', 'negative', 'positive', 'negative'];

$tokenizer = new WhitespaceTokenizer();
$samples = array_map(function($sample) use ($tokenizer) {
    return $tokenizer->tokenize($sample[0]);
}, $samples);

$classifier = new NaiveBayes();
$classifier->train($samples, $labels);

$testSample = 'I am extremely satisfied with the purchase';
$testSample = $tokenizer->tokenize($testSample);
$prediction = $classifier->predict($testSample);

echo 'پیش‌بینی: ' . $prediction;
?>

توضیحات 1. داده‌های آموزشی: یه سری جمله داریم که با برچسب مثبت یا منفی مشخص کردیم. این‌ها رو برای آموزش مدل استفاده می‌کنیم. 2. پردازش متن: جمله‌ها رو به کلمات تقسیم می‌کنیم. 3. آموزش مدل: مدل NaiveBayes رو با داده‌های آموزشی آموزش می‌دیم. 4. پیش‌بینی: حالا یه جمله جدید رو به مدل می‌دیم و می‌بینیم چه برچسبی بهش می‌ده. این کد رو اجرا کنین و نتیجه پیش‌بینی مدل رو ببینین. امیدوارم براتون جالب باشه!

The upload failed. The server indicated HTTP error 500 (Internal Error). ایران :

2.83 MB / 8.58 MB (32%) complete از کجا فهمیدی ایرانیم ؟

تکس سعدی برا رلش

سی‌و‌شش درصد چشمان تو جنسش عسل است مابقی قهوه و فنجان و شراب و غزل است...

توضیحات :