Předpovídání sentimentu filmové recenze

V předchozím cvičení jsi vytvořil/a bag-of-words reprezentace pro trénovací a testovací data filmových recenzí. V tomto cvičení pomocí tohoto modelu natrénujeme klasifikátor Naive Bayes, který dokáže rozpoznat sentiment filmové recenze a vypočítat jeho přesnost. Protože se jedná o binární klasifikaci, model dokáže recenzi zařadit pouze jako pozitivní (1) nebo negativní (0) – neutrální recenze rozpoznat neumí.

Pro připomenutí: trénovací a testovací BoW vektory jsou dostupné jako X_train_bow a X_test_bow. Odpovídající štítky jsou dostupné jako y_train a y_test. Původní dataset filmových recenzí je k dispozici jako df.

Toto cvičení je součástí kurzu

Feature Engineering for NLP in Python

Zobrazit kurz

Pokyny k cvičení

Vytvoř instanci objektu MultinomialNB a pojmenuj ji clf.
Natrénuj clf pomocí X_train_bow a y_train.
Změř přesnost clf pomocí X_test_bow a y_test.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a MultinomialNB object
clf = ____

# Fit the classifier
clf.____(____, ____)

# Measure the accuracy
accuracy = clf.score(____, ____)
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was terrible. The music was underwhelming and the acting mediocre."
prediction = clf.predict(vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))

Upravit a spustit kód