Regularizace modelů s daty z Twitteru
Budeš pracovat s daty z Twitteru, která vyjadřují sentiment zákazníků o leteckých společnostech. Matice příznaků X a vektor popisků y jsou již připravené. Rozdělení na trénovací a testovací sadu bylo také provedeno – můžeš přímo pracovat s poli X_train, X_test, y_train a y_test.
Natrénovacíš regularizované i flexibilnější modely a vyhodnotíš je pomocí různých metrik výkonu.
Všechny potřebné balíčky jsou již naimportované.
Toto cvičení je součástí kurzu
Sentiment Analysis v Pythonu
Pokyny k cvičení
- Natrénuj dvě logistické regrese: jednu s regularizačním parametrem 100 a druhou s hodnotou 0,1.
- Vypiš skóre přesnosti obou modelů.
- Vypiš matici záměn pro každý model.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Build a logistic regression with regularizarion parameter of 100
log_reg1 = ____.____
# Build a logistic regression with regularizarion parameter of 0.1
log_reg2 = ____.____
# Predict the labels for each model
y_predict1 = log_reg1.predict(X_test)
y_predict2 = log_reg2.predict(X_test)
# Print performance metrics for each model
print('Accuracy of model 1: ', ____(____, ____))
print('Accuracy of model 2: ', ____(___, ____))
print('Confusion matrix of model 1: \n' , ____(____, ____)/len(y_test))
print('Confusion matrix of model 2: \n', ____(____, ____)/len(y_test))