克里夫的角落:克里夫硅藻土在数学和计算
MATLAB的博客
史蒂夫与MATLAB图像处理
人在仿真软件金宝app
人工智能
开发区域
斯图尔特的MATLAB视频
在标题后面
文件交换的选择
汉斯在物联网
学生休息室
MATLAB社区
MATLABユーザーコミュニティー
创业、加速器,和企业家
自治系统
黑客与MATLAB YouTube创始人助理
大家好,内森和斯图尔特方这里!我们二年级计算机科学学生女王大学位于安大略省,加拿大。我们是马拉松爱好者享受学习科学和机器学习的数据。7月15 - 17日,我们参加了SelfieHacks二世这家网站主办大联盟黑客(MLH)创建了一个名为YouTube创造者的项目助理,赢得了最佳使用MATLAB奖。
灵感:
进入SelfieHacks二世,我们没有意见,但我们知道我们想要创建一个项目,授权内容创造者。在我们的头脑风暴会议,我们想知道“什么是所有内容创造者而奋斗?”,我们想出了主意帮助内容创造者增长他们的社区。然后我们缩小范围帮助YouTube的创造者,并帮助其内容达到更广泛的受众。
如果我们想追踪有多少人积极参与渠道,最好的指标之一是计数的视频。视图和用户主要指标的一个视频或频道的成功,我们想做一个工具,增加了这些数字。这增加了曝光的视频新用户,允许渠道成长。想通过这种方式,我们终于想出了我们的项目的想法,我们称之为YouTube创造者助理。
分解问题:
我们开始看YouTube主页和识别哪些元素可以说服用户点击某个视频,如标题和缩略图。在我们的项目中,我们想把这些组件的视频生成预测数。用户可以测试各种组合的组件如缩略图、标题、视频时间和类别的数量最大化的观点。在编辑可以用试验和错误已经发表的视频后,我们的解决方案可以事先要做。视图可以获得更容易在时间是最重要的:在开始。
我们如何实现它?:
我们使用了视频缩略图和youtube说事情数据集,但我们可以使用它们之前,我们必须干净的数据。开始,一些列的不必要的视频链接和文字记录等。虽然我们可以使用视频本身将一些功能,我们决定对它现在和删除列。继续,一些变量没有可用的格式,在观众和用户数量是缩写,和视频长度在HH: MM: SS格式。在MATLAB解决这个很方便,我们可以打开数据表在我们身边,让我们看到实时的变化。
来创建我们的模型,我们首先看了看类型的数据,包括图片的缩略图,语言数据的标题和表格数据的信息。缩略图,我们用卷积神经网络(CNN)来识别图像(又名clickbait)引人注目的元素。接下来的冠军,我们提取特征,我们认为有用的,比如大写字母的长度和比例。最后的表格数据,我们使用一个完全连接的神经网络来预测每个变量与结果的观众数量。然后,我们两个网络的输出相结合,给我们预测的观众数。
在介绍了MATLAB在车间在当地劈天:2022年建立,我们想尝试使用的工具之一,深刻的网络设计师,建立我们的神经网络。在使用它的同时,我们看到这是多么简单原型模型。拖放界面允许我们很快改变或交换层没有降低我们的代码的可读性。这个过程像创建我们的模型看起来那么容易,选择输入和输出的数据存储,然后开始训练。
部署我们的模型,我们想用压力梯度是一个web界面,我们更熟悉。这里的问题是,我们的模型是使用MATLAB而创建的压力梯度使用Python编程语言。幸运的是,MATLAB提供所谓的MATLAB引擎,这使我们在Python运行MATLAB代码。要做到这一点,我们首先它安装使用下面的代码,然后导入:
进口matlab.engine
eng = matlab.engine.start_matlab ()
我们从压力梯度然后可以输入web应用程序在Python中,给他们到我们的MATLAB模型,和输出预测的观点被视为一个Python整数。
结果:
我们测试了我们的模型通过创建一个假的缩略图,填写一些细节我们假想的视频和通道。然后我们试着改变缩略图和标题,我们认为会吸引更多的观众和预期,增加的预测数量的看法。
总的来说,我们完成了新输入+ + s模型表现良好,在一个更“clickbait-y”缩略图或标题预计有更多的观点。尽管如此,我们发现在测试过程中有一些困难与输出的观众数的准确预测
+少量用户的频道。这个模型的目的是好的,但是我们认为这将受益于一些额外的数据,与当前数据只有特性最热门和受欢迎的创造者。在未来,我们打算给模型更多的数据包含YouTube频道专门用更少的用户,所以该模型可以更好地识别特定的特性如何影响产生的观众数量。看这个视频,看看我们的代码是如何工作的
关键的外卖:
与Python相比,我们发现,MATLAB是原型更容易使用,因为有很多内置函数编码快速和容易。大量的文档尝试新事物的难度降低,让我们去探索更多的MATLAB的许多特性。YouTube创始人助理是一个有趣的项目,我们学到了很多关于MATLAB的特点对数据科学和机器学习,以及其深刻的网络设计师和MATLAB引擎。
如果你有任何评论或关于这个项目的问题,随时与我们联系!我们的代码是Github上可用,你可以看到更多关于这个项目在我们的Devpost提交页面。
另请参阅
-
读虚拟教室的房间——黑客
博客
-
深入学习和科迪
博客
评论
留下你的评论,请点击在这里MathWorks账户登录或创建一个新的。