Fix alignments in "2. models report.md"

SharifMLSD · Aug 18, 2023 · c8227c2 · c8227c2
1 parent 3d41595
commit c8227c2
Showing 1 changed file with 9 additions and 1 deletion.
diff --git a/docs/2. models report.md b/docs/2. models report.md
@@ -51,8 +51,11 @@ explained variance ratio حدود ۵۰٪ کاهش می‌یابد. از روش S
 پس از توسعه مدل‌ها، براساس متریک‌های ذکر شده آن‌ها را مقایسه و ارزیابی
 می‌کنیم:
 
+<div align="center">
 <img src="./images/models/image1.png" style="width:6.5in" />
 <img src="./images/models/image2.png" style="width:6.5in" />
+</div>
+
 
 می‌بینیم که مدل bert از لحاظ هر دو متریک بهترین عملکرد را داشته است. پس
 از آن مدل Multinomial Naïve Bayes بهترین عملکرد از لحاظ F1 score و مدل
@@ -69,12 +72,15 @@ Complement Naïve Bayes بهترین عملکرد از لحاظ Balanced accurac
 در نهایت هم نمودار آموزش مدل را نیز برای متریک‌های گفته شده به صورت زیر
 می‌بینیم:
 
+<div align="center">
 <img src="./images/models/image3.png" style="width:4in" />
-
 <img src="./images/models/image4.png" style="width:4in" />
+</div>
 
 هم‌چنین classification report را برای مدل انتخاب شده به صورت زیر داریم:
 
+<div dir="ltr">
+
 ```
 Train F1 score: 0.957
 Test F1 score: 0.883
@@ -91,6 +97,8 @@ Test balanced accuracy: 89.1%
 weighted avg       0.98      0.98      0.98      2830
 ```
 
+</div>
+
 می‌بینیم که تا حدودی اختلاف قابل توجهی میان دقت و f1 score برای داده
 آموزشی و تست وجود دارد که نشان‌دهنده این است که مدل تا حدودی بیش‌برازش
 شده است. هم‌چنین می‌بینیم که مدل تمایل بیشتری به پیشبینی برچسب‌های منفی