{"id":30936,"date":"2019-10-31T21:38:20","date_gmt":"2019-10-31T18:38:20","guid":{"rendered":"https:\/\/prohoster.info\/blog\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya\/"},"modified":"2019-10-31T21:38:20","modified_gmt":"2019-10-31T18:38:20","slug":"mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pl\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","title":{"rendered":"Uczenie maszynowe bez Pythona, Anacondy i innych gad\u00f3w","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Nie, no oczywi\u015bcie, \u017ce nie na powa\u017cnie. Musi przecie\u017c by\u0107 jaka\u015b granica tego, jak bardzo mo\u017cna upro\u015bci\u0107 temat. Ale na pocz\u0105tkowych etapach, aby zrozumie\u0107 podstawowe koncepcje i szybko \u201ewci\u0105gn\u0105\u0107 si\u0119\u201d w temat, mo\u017ce to by\u0107 do przyj\u0119cia. A jak prawid\u0142owo nazwa\u0107 ten materia\u0142 (opcje: \u201eUczenie maszynowe dla \u017c\u00f3\u0142todziob\u00f3w\u201d, \u201eAnaliza danych od podstaw\u201d, \u201eAlgorytmy dla najm\u0142odszych\u201d), om\u00f3wimy na ko\u0144cu. <\/p>\n

Do rzeczy. Napisa\u0142em kilka aplikacji w MS Excel do wizualizacji i przyst\u0119pnego przedstawienia proces\u00f3w zachodz\u0105cych w r\u00f3\u017cnych metodach uczenia maszynowego przy analizie danych. Seeing is believing, w ko\u0144cu, jak m\u00f3wi\u0105 przedstawiciele kultury, kt\u00f3ra opracowa\u0142a wi\u0119kszo\u015b\u0107 z tych metod (zreszt\u0105 nie wszystkie. Pot\u0119\u017cna \u201emetoda wektor\u00f3w no\u015bnych\u201d, czyli SVM, support vector machine \u2013 to wynalazek naszego rodaka W\u0142odzimierza Wapnika z Moskiewskiego Instytutu Zarz\u0105dzania. Rok 1963, przypomn\u0119! Teraz zreszt\u0105 uczy i pracuje w USA).<\/p>\n

Trzy pliki do przegl\u0105du
\n<\/a><\/noindex><\/p>\n

1. Klasteryzacja metod\u0105 k-\u015brednich<\/h2>\n

\nZadania tego typu nale\u017c\u0105 do \u201euczenia bez nadzoru\u201d, gdy musimy podzieli\u0107 dane wej\u015bciowe na pewn\u0105 wcze\u015bniej znan\u0105 liczb\u0119 kategorii, ale nie mamy \u017cadnej liczby \u201epoprawnych odpowiedzi\u201d, kt\u00f3re musimy wydoby\u0107 z samych danych. Fundamentalnym klasycznym zadaniem odnalezienia podtyp\u00f3w kwiat\u00f3w irysa (Ronald Fisher, 1936 rok!), kt\u00f3re uwa\u017ca si\u0119 za pierwsze jask\u00f3\u0142ki tej dziedziny wiedzy, jest w\u0142a\u015bnie tego typu.<\/p>\n

Metoda jest do\u015b\u0107 prosta. Mamy zbi\u00f3r obiekt\u00f3w, przedstawionych w postaci wektor\u00f3w (zestaw\u00f3w N liczb). W przypadku irys\u00f3w s\u0105 to zestawy 4 liczb, charakterizuj\u0105ce kwiat: d\u0142ugo\u015b\u0107 i szeroko\u015b\u0107 zewn\u0119trznych i wewn\u0119trznych dzia\u0142ek okwiatu, odpowiednio (Irysy Fishera \u2014 Wikipedia<\/a><\/noindex>). Jako odleg\u0142o\u015b\u0107, lub miar\u0119 blisko\u015bci mi\u0119dzy obiektami, wybiera si\u0119 zwyk\u0142\u0105 metryk\u0119 euklidesow\u0105.<\/p>\n

Nast\u0119pnie w spos\u00f3b losowy (lub nie losowy, patrz dalej) wybierane s\u0105 centra klastr\u00f3w, a nast\u0119pnie obliczane s\u0105 odleg\u0142o\u015bci od ka\u017cdego obiektu do centr\u00f3w klastr\u00f3w. Ka\u017cdy obiekt na tym etapie iteracji jest oznaczany jako przypisany do najbli\u017cszego centrum. Nast\u0119pnie \u015brodek ka\u017cdego klastra przenoszony jest do \u015bredniej arytmetycznej wsp\u00f3\u0142rz\u0119dnych swoich cz\u0142onk\u00f3w (z por\u00f3wnaniem z fizyk\u0105 nazywany jest r\u00f3wnie\u017c \u201ecentrum masy\u201d), a procedura powtarza si\u0119.<\/p>\n

Proces szybko zbiega do wyniku. Na obrazkach w przestrzeni dwuwymiarowej wygl\u0105da to tak:<\/p>\n

1. Pocz\u0105tkowe losowe rozmieszczenie punkt\u00f3w na p\u0142aszczy\u017anie oraz liczba klastr\u00f3w<\/p>\n

\"Uczenie
\n
\n2. Okre\u015blenie centr\u00f3w klastr\u00f3w i przypisanie punkt\u00f3w do swoich klastr\u00f3w<\/p>\n

\"Uczenie
\n
\n3. Przeniesienie wsp\u00f3\u0142rz\u0119dnych centr\u00f3w klastr\u00f3w, przeliczenie przynale\u017cno\u015bci punkt\u00f3w, a\u017c centra si\u0119 ustabilizuj\u0105. Wida\u0107 trajektori\u0119 ruchu centrum klastra do ko\u0144cowej pozycji.<\/p>\n

\"Uczenie
\n
\nW ka\u017cdej chwili mo\u017cna ustali\u0107 nowe centra klastr\u00f3w (nie generuj\u0105c nowego rozmieszczenia punkt\u00f3w!) i zobaczy\u0107, \u017ce proces podzia\u0142u nie zawsze jest jednoznaczny. Matematycznie oznacza to, \u017ce w optymalizowanej funkcji (suma kwadrat\u00f3w odleg\u0142o\u015bci punkt\u00f3w od centr\u00f3w swoich klastr\u00f3w) znajdujemy minimum lokalne, a nie globalne. Mo\u017cna temu zaradzi\u0107 albo przez nielosowy wyb\u00f3r pocz\u0105tkowych centr\u00f3w klastr\u00f3w, albo przez dok\u0142adne zbadanie mo\u017cliwych centr\u00f3w (czasami warto umie\u015bci\u0107 je dok\u0142adnie w jednym z punkt\u00f3w, wtedy mamy przynajmniej gwarancj\u0119, \u017ce nie uzyskamy pustych klastr\u00f3w). W ka\u017cdym razie, dla sko\u0144czonego zbioru zawsze istnieje dok\u0142adna dolna granica. <\/p>\n

Mo\u017cna z tym plikiem poeksperymentowa\u0107 pod tym linkiem<\/a><\/noindex> (nie zapomnij w\u0142\u0105czy\u0107 obs\u0142ugi makr. Pliki zosta\u0142y sprawdzone pod k\u0105tem wirus\u00f3w)<\/p>\n

Opis metody na Wikipedii \u2014 Metoda k-\u015brednich<\/a><\/noindex><\/p>\n

2. Aproksymacja wielomianami i podzia\u0142 danych. Przeuczenie<\/h2>\n

\nWybitny naukowiec i popularyzator nauki o danych K.W. Woroncow kr\u00f3tko m\u00f3wi o metodach uczenia maszynowego jako o \u201enauce rysowania krzywych przez punkty\u201d. W tym przyk\u0142adzie b\u0119dziemy znajdowa\u0107 wzorce w danych metod\u0105 najmniejszych kwadrat\u00f3w. <\/p>\n

Przedstawiono technik\u0119 podzia\u0142u danych pierwotnych na 'ucz\u0105ce' i 'kontrolne', a tak\u017ce takie zjawisko, jak przeuczenie, czyli 'dostosowanie si\u0119' do danych. Przy prawid\u0142owej aproksymacji b\u0119dziemy mie\u0107 pewien b\u0142\u0105d na danych ucz\u0105cych i nieco wi\u0119kszy b\u0142\u0105d na kontrolnych. Przy niew\u0142a\u015bciwej - dok\u0142adne dopasowanie do danych ucz\u0105cych i ogromny b\u0142\u0105d na danych kontrolnych.<\/p>\n

(Znany jest fakt, \u017ce przez N punkt\u00f3w mo\u017cna przeprowadzi\u0107 jedn\u0105 krzyw\u0105 N-1 stopnia, a ten spos\u00f3b w og\u00f3lnym przypadku nie daje oczekiwanego wyniku. Wielomian interpolacyjny Lagrange'a na Wikipedii<\/a><\/noindex>)<\/p>\n

1. Ustalamy pocz\u0105tkowe rozmieszczenie<\/p>\n

\"Uczenie
\n
\n2. Dzielimy punkty na 'ucz\u0105ce' i 'kontrolne' w proporcji 70 do 30.<\/p>\n

\"Uczenie
\n
\n3. Rysujemy krzyw\u0105 aproksymacyjn\u0105 na punktach treningowych, widzimy b\u0142\u0105d, jaki ona generuje na danych testowych<\/p>\n

\"Uczenie
\n
\n4. Rysujemy dok\u0142adn\u0105 krzyw\u0105 przez punkty treningowe i widzimy ogromny b\u0142\u0105d na danych testowych (i zerowy na treningowych, ale co z tego?).<\/p>\n

\"Uczenie
\n
\nOczywi\u015bcie pokazano najprostszy przypadek z jedynym podzia\u0142em na podzbiory \u201etreningowe\u201d i \u201etestowe\u201d, w og\u00f3lnym przypadku robi si\u0119 to wielokrotnie dla lepszego dostosowania wsp\u00f3\u0142czynnik\u00f3w.<\/p>\n

Plik dost\u0119pny tutaj, sprawdzony przez program antywirusowy.<\/a><\/noindex> W\u0142\u0105cz makra, aby dzia\u0142a\u0142o poprawnie<\/p>\n

3. Spadek gradientowy i dynamika zmiany b\u0142\u0119du<\/h2>\n

\nTutaj b\u0119dzie przypadek 4-wymiarowy i regresja liniowa. Wsp\u00f3\u0142czynniki regresji liniowej b\u0119d\u0105 okre\u015blane krokami metod\u0105 spadku gradientowego, pocz\u0105tkowo wszystkie wsp\u00f3\u0142czynniki to zera. Na osobnym wykresie wida\u0107 dynamik\u0119 zmniejszania si\u0119 b\u0142\u0119du w miar\u0119 coraz dok\u0142adniejszego dostosowania wsp\u00f3\u0142czynnik\u00f3w. Istnieje mo\u017cliwo\u015b\u0107 zobaczenia wszystkich czterech 2-wymiarowych projekcji.<\/p>\n

Je\u015bli ustawimy zbyt du\u017cy krok spadku gradientowego, to wida\u0107, \u017ce za ka\u017cdym razem przeskoczymy minimum i do wyniku dojdziemy w wi\u0119kszej liczbie krok\u00f3w, chocia\u017c w ko\u0144cu i tak tam dojdziemy (je\u015bli tylko nie za bardzo podniesiemy krok spadku \u2014 wtedy algorytm \u201ezgubi si\u0119\u201d). A wykres zale\u017cno\u015bci b\u0142\u0119du od kroku iteracji b\u0119dzie nie g\u0142adki, a \u201eszarpany\u201d.<\/p>\n

1. Generujemy dane, ustawiamy krok spadku gradientowego<\/p>\n

\"Uczenie
\n
\n2. Przy odpowiednim dobraniu kroku spadku gradientowego g\u0142adko i wystarczaj\u0105co szybko dochodzimy do minimum<\/p>\n

\"Uczenie
\n
\n3. Przy niew\u0142a\u015bciwie dobranym kroku spadku gradientowego przeskakujemy maksimum, wykres b\u0142\u0119du jest \u201eszarpany\u201d, zbie\u017cno\u015b\u0107 zajmuje wi\u0119cej krok\u00f3w<\/p>\n

\"Uczenie
\ni<\/p>\n

\"Uczenie
\n
\n4. Przy ca\u0142kowicie niew\u0142a\u015bciwie dobranym kroku spadku gradientowego oddalamy si\u0119 od minimum<\/p>\n

\"Uczenie
\n
\n(Aby odtworzy\u0107 proces przy pokazanych na obrazkach warto\u015bciach kroku spadku gradientowego, zaznacz zak\u0142adk\u0119 \u201edane referencyjne\u201d).<\/p>\n

Plik \u2013 pod tym linkiem, nale\u017cy w\u0142\u0105czy\u0107 makra, wirus\u00f3w nie ma.<\/a><\/noindex><\/p>\n

Jak uwa\u017ca szanowne spo\u0142ecze\u0144stwo, czy takie uproszczenie i metoda prezentacji materia\u0142u s\u0105 dopuszczalne? Czy warto przet\u0142umaczy\u0107 artyku\u0142 na angielski? <\/b>
\n
\u0179r\u00f3d\u0142o: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u041d\u0435\u0442, \u043d\u0443 \u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u043d\u0435 \u0432\u0441\u0435\u0440\u044c\u0435\u0437. \u0414\u043e\u043b\u0436\u0435\u043d \u0436\u0435 \u0431\u044b\u0442\u044c \u043f\u0440\u0435\u0434\u0435\u043b, \u0434\u043e \u043a\u0430\u043a\u043e\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u043f\u0440\u0435\u0434\u043c\u0435\u0442. \u041d\u043e \u0434\u043b\u044f \u043f\u0435\u0440\u0432\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432, \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u00ab\u0432\u044a\u0435\u0437\u0436\u0430\u043d\u0438\u044f\u00bb \u0432 \u0442\u0435\u043c\u0443, \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c, \u0438 \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c\u043e. \u0410 \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u043f\u043e\u0438\u043c\u0435\u043d\u043e\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b (\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u044b: \u00ab\u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u0447\u0430\u0439\u043d\u0438\u043a\u043e\u0432\u00bb, \u00ab\u0410\u043d\u0430\u043b\u0438\u0437 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 \u043f\u0435\u043b\u0435\u043d\u043e\u043a\u00bb, \u00ab\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0434\u043b\u044f \u0441\u0430\u043c\u044b\u0445 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445\u00bb), \u043e\u0431\u0441\u0443\u0434\u0438\u043c \u0432 \u043a\u043e\u043d\u0446\u0435. \u041a […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":22912,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-30936","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Uczenie maszynowe bez Pythona, Anacondy i innych gad\u00f3w | ProHoster","description":"Nie, no, oczywi\u015bcie, \u017ce nie na powa\u017cnie. Musi by\u0107 jaka\u015b granica, do jakiego stopnia mo\u017cna upraszcza\u0107 temat. Ale na pierwszych etapach, zrozumienia podstawowych koncepcji i szybkiego \u201ewdro\u017cenia\u201d w temat, mo\u017ce to by\u0107 akceptowalne.","canonical_url":"https:\/\/prohoster.info\/pl\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"pl_PL","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0431\u0435\u0437 Python, Anaconda \u0438 \u043f\u0440\u043e\u0447\u0438\u0445 \u043f\u0440\u0435\u0441\u043c\u044b\u043a\u0430\u044e\u0449\u0438\u0445\u0441\u044f | ProHoster","og:description":"\u041d\u0435\u0442, \u043d\u0443 \u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u043d\u0435 \u0432\u0441\u0435\u0440\u044c\u0435\u0437. \u0414\u043e\u043b\u0436\u0435\u043d \u0436\u0435 \u0431\u044b\u0442\u044c \u043f\u0440\u0435\u0434\u0435\u043b, \u0434\u043e \u043a\u0430\u043a\u043e\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u043f\u0440\u0435\u0434\u043c\u0435\u0442. \u041d\u043e \u0434\u043b\u044f \u043f\u0435\u0440\u0432\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432, \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u00ab\u0432\u044a\u0435\u0437\u0436\u0430\u043d\u0438\u044f\u00bb \u0432 \u0442\u0435\u043c\u0443, \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c, \u0438 \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c\u043e.","og:url":"https:\/\/prohoster.info\/pl\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T18:38:20+00:00","article:modified_time":"2019-10-31T18:38:20+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"30936","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 03:45:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 03:27:05","updated":"2026-01-21 03:45:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts\/30936","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/comments?post=30936"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts\/30936\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/media\/22912"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/media?parent=30936"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/categories?post=30936"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/tags?post=30936"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}