LoslegenKostenlos loslegen

Training und Test des "Fake News"-Modells mit CountVectorizer

Jetzt bist du an der Reihe, das "Fake News"-Modell mit den Merkmalen zu trainieren, die du identifiziert und extrahiert hast. In dieser ersten Übung trainierst und testest du ein Naive Bayes-Modell mit den Daten von CountVectorizer.

Die Trainings- und Testgruppen wurden erstellt und count_vectorizer, count_train und count_test berechnet.

Diese Übung ist Teil des Kurses

Einführung in die natürliche Sprachverarbeitung in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere das Modul metrics von sklearn und MultinomialNB von sklearn.naive_bayes.
  • Erstelle einen MultinomialNB Klassifikator namens nb_classifier.
  • Passe den Klassifikator an die Trainingsdaten an.
  • Berechne die vorhergesagten Tags für die Testdaten.
  • Berechne und drucke die Genauigkeit des Klassifikators.
  • Berechne die Konfusionsmatrix. Um die Lesbarkeit zu verbessern, gibst du das Schlüsselwortargument labels=['FAKE', 'REAL'] an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the necessary modules
____
____

# Instantiate a Multinomial Naive Bayes classifier: nb_classifier
nb_classifier = ____

# Fit the classifier to the training data
____

# Create the predicted tags: pred
pred = ____

# Calculate the accuracy score: score
score = ____
print(score)

# Calculate the confusion matrix: cm
cm = ____
print(cm)
Code bearbeiten und ausführen