Мультимодальное объединение для получения прогнозов по аудио, видео и тексту FI V2
Импорт необходимых инструментов
[2]:
from oceanai.modules.lab.build import Run
Сборка
[3]:
_b5 = Run(
lang = 'ru', # Язык
color_simple = '#333', # Цвет обычного текста (шестнадцатеричный код)
color_info = '#1776D2', # Цвет текста содержащего информацию (шестнадцатеричный код)
color_err = '#FF0000', # Цвет текста содержащего ошибку (шестнадцатеричный код)
color_true = '#008001', # Цвет текста содержащего положительную информацию (шестнадцатеричный код)
bold_text = True, # Жирное начертание текста
num_to_df_display = 30, # Количество строк для отображения в таблицах
text_runtime = 'Время выполнения', # Текст времени выполнения
metadata = True # Отображение информации о библиотеке
)
[2024-10-08 22:07:45] OCEANAI - персональные качества личности человека: Авторы: Рюмина Елена [ryumina_ev@mail.ru] Рюмин Дмитрий [dl_03.03.1991@mail.ru] Карпов Алексей [karpov@iias.spb.su] Сопровождающие: Рюмина Елена [ryumina_ev@mail.ru] Рюмин Дмитрий [dl_03.03.1991@mail.ru] Версия: 1.0.0a40 Лицензия: BSD License
Получение и отображение версий установленных библиотек
_b5.df_pkgs_- DataFrame c версиями установленных библиотек
[4]:
_b5.libs_vers(runtime = True, run = True)
| Package | Version | |
|---|---|---|
| 1 | OpenCV | 4.10.0 |
| 2 | MediaPipe | 0.10.14 |
| 3 | NumPy | 1.26.4 |
| 4 | SciPy | 1.14.1 |
| 5 | Pandas | 2.2.3 |
| 6 | Scikit-learn | 1.5.2 |
| 7 | OpenSmile | 2.5.0 |
| 8 | Librosa | 0.10.2.post1 |
| 9 | AudioRead | 3.0.1 |
| 10 | IPython | 8.28.0 |
| 11 | Requests | 2.32.3 |
| 12 | JupyterLab | 4.2.5 |
| 13 | LIWC | 0.5.0 |
| 14 | Transformers | 4.45.1 |
| 15 | Sentencepiece | 0.2.0 |
| 16 | Torch | 2.4.1+cu118 |
| 17 | Torchaudio | 2.4.1+cu118 |
| 18 | Torchvision | 0.19.1+cu118 |
— Время выполнения: 0.004 сек. —
Анализ аудио информации (формированияе и загрузка весов моделей)
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе экспертных признаков
_b5.audio_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[5]:
res_load_audio_model_hc = _b5.load_audio_model_hc(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:45] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (аудио модальность) …
— Время выполнения: 0.003 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе экспертных признаков
_b5.audio_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[6]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
corpus = 'fi'
lang = 'en'
url = _b5.weights_for_big5_['audio'][corpus]['hc']['googledisk']
res_load_audio_model_weights_hc = _b5.load_audio_model_weights_hc(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:45] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (аудио модальность) …
[2024-10-08 22:07:47] Загрузка файла «weights_2022-05-05_11-27-55.pth» 100.0% …
— Время выполнения: 2.856 сек. —
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе нейросетевых признаков
_b5.audio_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[7]:
res_load_audio_model_nn = _b5.load_audio_model_nn(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:48] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (аудио модальность) …
— Время выполнения: 1.073 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе нейросетевых признаков
_b5.audio_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[8]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['audio'][corpus]['nn']['googledisk']
res_load_audio_model_weights_nn = _b5.load_audio_model_weights_nn(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = False, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:49] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (аудио модальность) …
[2024-10-08 22:07:51] Загрузка файла «weights_2022-05-03_07-46-14.pth»
— Время выполнения: 2.298 сек. —
Анализ видео информации (формирование и загрузка весов моделей)
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе экспертных признаков
_b5.video_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[9]:
res_load_video_model_hc = _b5.load_video_model_hc(
lang = lang,
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:51] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (видео модальность) …
— Время выполнения: 0.002 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе экспертных признаков
_b5.video_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[10]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['video'][corpus]['hc']['googledisk']
res_load_video_model_weights_hc = _b5.load_video_model_weights_hc(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:51] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (видео модальность) …
[2024-10-08 22:07:54] Загрузка файла «weights_2022-08-27_18-53-35.pth» 100.0% …
— Время выполнения: 2.73 сек. —
Формирование нейросетевой архитектуры для получения нейросетевых признаков
_b5.video_model_deep_fe_- Нейросетевая модель nn.Module для получения нейросетевых признаков
[11]:
res_load_video_model_deep_fe = _b5.load_video_model_deep_fe(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:54] Формирование нейросетевой архитектуры для получения нейросетевых признаков (видео модальность) …
— Время выполнения: 0.137 сек. —
Загрузка весов нейросетевой модели для получения нейросетевых признаков (видео модальность)
_b5.video_model_deep_fe_- Нейросетевая модель nn.Module для получения нейросетевых признаков
[12]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['video'][corpus]['fe']['googledisk']
res_load_video_model_weights_deep_fe = _b5.load_video_model_weights_deep_fe(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:54] Загрузка весов нейросетевой модели для получения нейросетевых признаков (видео модальность) …
[2024-10-08 22:07:58] Загрузка файла «weights_2022-11-01_12-27-07.pth» 100.0% …
— Время выполнения: 4.247 сек. —
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе нейросетевых признаков
_b5.video_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[13]:
res_load_video_model_nn = _b5.load_video_model_nn(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:58] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (видео модальность) …
— Время выполнения: 0.022 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе нейросетевых признаков
_b5.video_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[14]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['video'][corpus]['nn']['googledisk']
res_load_video_model_weights_nn = _b5.load_video_model_weights_nn(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = False, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:07:58] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (видео модальность) …
[2024-10-08 22:08:02] Загрузка файла «weights_2022-03-22_16-31-48.pth»
— Время выполнения: 3.544 сек. —
Анализ текстовой информации (формирование и загрузка весов моделей)
Загрузка словаря с экспертными признаками
[15]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
res_load_text_features = _b5.load_text_features(
force_reload = True, # Принудительная загрузка файла
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:02] Загрузка словаря с экспертными признаками …
[2024-10-08 22:08:02] Загрузка файла «LIWC2007.txt» 100.0% …
— Время выполнения: 0.235 сек. —
Формирование токенизатора и нейросетевой модели машинного перевода (RU -> EN)
[16]:
res_setup_translation_model = _b5.setup_translation_model(
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:02] Формирование токенизатора и нейросетевой модели машинного перевода …
— Время выполнения: 1.897 сек. —
Формирование токенизатора и нейросетевой модели BERT (для кодирования слов)
[17]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
res_setup_translation_model = _b5.setup_bert_encoder(
force_reload = False, # Принудительная загрузка файла
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:04] Формирование токенизатора и нейросетевой модели BERT …
[2024-10-08 22:08:04] Загрузка файла «bert-base-multilingual-cased.zip»
[2024-10-08 22:08:04] Формирование токенизатора и нейросетевой модели BERT …
[2024-10-08 22:08:04] Загрузка файла «bert-base-multilingual-cased.zip»
[2024-10-08 22:08:04] Разархивирование архива «bert-base-multilingual-cased.zip» …
— Время выполнения: 1.109 сек. —
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе экспертных признаков
_b5.text_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[18]:
res_load_text_model_hc_fi = _b5.load_text_model_hc(
corpus = corpus, # Корпус для тестирования нейросетевой модели
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:05] Формирование нейросетевой архитектуры модели для получения оценок по экспертным признакам (текстовая модальность) …
— Время выполнения: 0.001 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе экспертных признаков
_b5.text_model_hc_- Нейросетевая модель nn.Module для получения признаков / оценок на базе экспертных признаков
[19]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['text'][corpus]['hc']['googledisk']
res_load_text_model_weights_hc_fi = _b5.load_text_model_weights_hc(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:05] Загрузка весов нейросетевой модели для получения оценок по экспертным признакам (текстовая модальность) …
[2024-10-08 22:08:08] Загрузка файла «weights_2023-07-15_10-52-15.pth» 100.0% …
— Время выполнения: 2.456 сек. —
Формирование нейросетевой архитектуры модели для получения признаков / оценок на базе нейросетевых признаков
_b5.text_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[20]:
res_load_text_model_nn_fi = _b5.load_text_model_nn(
corpus = corpus, # Корпус для тестирования нейросетевой модели
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:08] Формирование нейросетевой архитектуры для получения оценок по нейросетевым признакам (текстовая модальность) …
— Время выполнения: 0.002 сек. —
Загрузка весов нейросетевой модели для получения признаков / оценок на базе нейросетевых признаков
_b5.text_model_nn_- Нейросетевая модель nn.Module для получения признаков / оценок на базе нейросетевых признаков
[21]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['text'][corpus]['nn']['googledisk']
res_load_text_model_weights_nn_fi = _b5.load_text_model_weights_nn(
url = url, # Полный путь к файлу с весами нейросетевой модели
force_reload = True, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:08] Загрузка весов нейросетевой модели для получения оценок по нейросетевым признакам (текстовая модальность) …
[2024-10-08 22:08:10] Загрузка файла «weights_2023-07-03_15-01-08.pth» 100.0% …
— Время выполнения: 2.499 сек. —
Анализ мультимодальной информации (формирование, загрузка весов моделей, получение оценок персональных качеств)
Формирование нейросетевой архитектуры модели для получения оценок персональных качеств
_b5.avt_model_b5_- Нейросетевая модель nn.Module для получения оценок персональных качеств
[22]:
res_load_avt_model_b5 = _b5.load_avt_model_b5(
show_summary = False, # Отображение сформированной нейросетевой архитектуры модели
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:10] Формирование нейросетевой архитектуры модели для получения оценок персональных качеств (мультимодальное объединение) …
— Время выполнения: 0.013 сек. —
Загрузка весов нейросетевой модели для получения оценок персональных качеств
_b5.avt_model_b5_- Нейросетевая модель nn.Module для получения оценок персональных качеств
[23]:
# Настройки ядра
_b5.path_to_save_ = './models' # Директория для сохранения файла
_b5.chunk_size_ = 2000000 # Размер загрузки файла из сети за 1 шаг
url = _b5.weights_for_big5_['avt'][corpus]['b5']['googledisk']
res_load_avt_model_weights_b5 = _b5.load_avt_model_weights_b5(
url = url,
force_reload = False, # Принудительная загрузка файла с весами нейросетевой модели из сети
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 22:08:10] Загрузка весов нейросетевой модели для получения оценок персональных качеств (мультимодальное объединение) …
[2024-10-08 22:08:14] Загрузка файла «avt_fi_2023-12-03_11-36-51.pth»
— Время выполнения: 4.213 сек. —
Получение прогнозов (мультимодальное объединение)
_b5.df_files_- DataFrame с данными
_b5.df_accuracy_- DataFrame с результатами вычисления точности
[24]:
# Настройки ядра
_b5.path_to_dataset_ = 'E:/Databases/FirstImpressionsV2/test' # Директория набора данных
# Директории не входящие в выборку
_b5.ignore_dirs_ = []
# Названия ключей для DataFrame набора данных
_b5.keys_dataset_ = ['Path', 'Openness', 'Conscientiousness', 'Extraversion', 'Agreeableness', 'Non-Neuroticism']
_b5.ext_ = ['.mp4'] # Расширения искомых файлов
# Полный путь к файлу с верными предсказаниями для подсчета точности
url_accuracy = _b5.true_traits_[corpus]['googledisk']
_b5.get_avt_predictions(
depth = 1, # Глубина иерархии для получения аудио и видеоданных
recursive = False, # Рекурсивный поиск данных
sr = 44100, # Частота дискретизации
window_audio = 2, # Размер окна сегмента аудио сигнала (в секундах)
step_audio = 1, # Шаг сдвига окна сегмента аудио сигнала (в секундах)
reduction_fps = 5, # Понижение кадровой частоты
window_video = 10, # Размер окна сегмента видео сигнала (в секундах)
step_video = 5, # Шаг сдвига окна сегмента видео сигнала (в секундах)
asr = False, # Распознавание речи
lang = lang, # Выбор языка
accuracy = True, # Вычисление точности
url_accuracy = url_accuracy,
logs = True, # При необходимости формировать LOG файл
out = True, # Отображение
runtime = True, # Подсчет времени выполнения
run = True # Блокировка выполнения
)
[2024-10-08 23:43:10] Извлечение признаков (экспертных и нейросетевых) из текста …
[2024-10-08 23:43:10] Получение прогнозов и вычисление точности (мультимодальное объединение) …
2000 из 2000 (100.0%) … test80_25_Q4wOgixh7E.004.mp4 …
| Path | Openness | Conscientiousness | Extraversion | Agreeableness | Non-Neuroticism | |
|---|---|---|---|---|---|---|
| Person ID | ||||||
| 1 | 13kjwEtSyXc.003.mp4 | 0.552089 | 0.54898 | 0.478067 | 0.565956 | 0.539556 |
| 2 | 1Lv72Si4GnY.000.mp4 | 0.562705 | 0.421453 | 0.492522 | 0.572543 | 0.504166 |
| 3 | 1uC-2TZqplE.003.mp4 | 0.445807 | 0.520422 | 0.373454 | 0.551266 | 0.426558 |
| 4 | 2Z8Xi_DTlpI.000.mp4 | 0.670753 | 0.666397 | 0.625857 | 0.568944 | 0.616438 |
| 5 | 3df_Uk9EmwU.002.mp4 | 0.671677 | 0.585579 | 0.614424 | 0.658365 | 0.624947 |
| 6 | 3gmc2kLV4Bo.003.mp4 | 0.638604 | 0.7332 | 0.565175 | 0.633607 | 0.604074 |
| 7 | 3hKgh9AB3tk.003.mp4 | 0.526246 | 0.496452 | 0.390666 | 0.520226 | 0.470266 |
| 8 | 3S72dDIm1fM.005.mp4 | 0.644248 | 0.634252 | 0.556651 | 0.655743 | 0.648829 |
| 9 | 3tPq9fNOXZQ.000.mp4 | 0.575605 | 0.543385 | 0.447234 | 0.566504 | 0.523745 |
| 10 | 43tayteIFRk.001.mp4 | 0.522306 | 0.546957 | 0.407993 | 0.567965 | 0.563569 |
| 11 | 4RKQGZzPClk.000.mp4 | 0.633064 | 0.544991 | 0.548249 | 0.613651 | 0.592643 |
| 12 | 6zm71IHOCZA.005.mp4 | 0.455992 | 0.522827 | 0.337552 | 0.512441 | 0.473446 |
| 13 | 7qGYGbIg45c.001.mp4 | 0.417032 | 0.451034 | 0.282474 | 0.391847 | 0.355023 |
| 14 | 8YQKwMdiaAE.003.mp4 | 0.574465 | 0.491399 | 0.423553 | 0.432433 | 0.450023 |
| 15 | 9Crw2RtrBcY.005.mp4 | 0.742864 | 0.758821 | 0.466764 | 0.687633 | 0.697788 |
| 16 | 9eNHxfOV2Kg.005.mp4 | 0.619669 | 0.579157 | 0.549466 | 0.574119 | 0.537651 |
| 17 | 9J-KIPMQmqk.002.mp4 | 0.627498 | 0.663925 | 0.444421 | 0.61994 | 0.600624 |
| 18 | 9RfE2-aTvaM.002.mp4 | 0.578801 | 0.501743 | 0.468679 | 0.591484 | 0.549758 |
| 19 | 9_6auSk_wkY.002.mp4 | 0.626052 | 0.536571 | 0.567191 | 0.583891 | 0.562382 |
| 20 | aaylz9A9K80.000.mp4 | 0.697246 | 0.520294 | 0.612363 | 0.644834 | 0.655316 |
| 21 | Af_F0IzHK6o.002.mp4 | 0.596801 | 0.529443 | 0.470662 | 0.581981 | 0.547758 |
| 22 | Ah5PEPT4xbo.000.mp4 | 0.523789 | 0.45858 | 0.417447 | 0.511926 | 0.45604 |
| 23 | AotbiNsU85A.003.mp4 | 0.423835 | 0.474683 | 0.321158 | 0.417033 | 0.41548 |
| 24 | BLc_GvsbI1U.001.mp4 | 0.696347 | 0.652736 | 0.624922 | 0.678726 | 0.658686 |
| 25 | bLOSPQ8MAC8.005.mp4 | 0.525125 | 0.603376 | 0.376319 | 0.542049 | 0.503826 |
| 26 | bPLhV0PGR50.001.mp4 | 0.556369 | 0.587692 | 0.392011 | 0.529514 | 0.522235 |
| 27 | bYXRyimxh7A.001.mp4 | 0.617763 | 0.439809 | 0.478807 | 0.563695 | 0.562938 |
| 28 | ch2BcBv4SdQ.003.mp4 | 0.669454 | 0.608926 | 0.609815 | 0.649637 | 0.650794 |
| 29 | cpch8WDydcM.004.mp4 | 0.599099 | 0.55201 | 0.51507 | 0.607964 | 0.563158 |
| 30 | De4i7-FX9Og.002.mp4 | 0.663971 | 0.612064 | 0.579938 | 0.632653 | 0.623737 |
[2024-10-08 23:43:10] Точность по отдельным персональным качествам личности человека …
| Openness | Conscientiousness | Extraversion | Agreeableness | Non-Neuroticism | Mean | |
|---|---|---|---|---|---|---|
| Metrics | ||||||
| MAE | 0.0788 | 0.0751 | 0.0704 | 0.077 | 0.076 | 0.0755 |
| Accuracy | 0.9212 | 0.9249 | 0.9296 | 0.923 | 0.924 | 0.9245 |
[2024-10-08 23:43:10] Средняя средних абсолютных ошибок: 0.0755, средняя точность: 0.9245 …
Лог файлы успешно сохранены …
— Время выполнения: 5696.146 сек. —
[24]:
True