Modelle mit Twitter-Daten regularisieren
Du arbeitest mit Twitter-Daten, in denen Kund:innen ihre Stimmung zu Fluggesellschaften äußern. Die Merkmalematrix X und der Label-Vektor y wurden bereits für dich erstellt. Außerdem wurde der Train-Test-Split durchgeführt. Du kannst direkt mit den Arrays X_train, X_test, y_train und y_test arbeiten.
Du wirst reguläre und flexiblere Modelle trainieren und sie mit verschiedenen Metriken zur Modellleistung auswerten.
Alle benötigten Pakete wurden für dich importiert.
Diese Übung ist Teil des Kurses
Stimmungsanalyse in Python
Anleitung zur Übung
- Trainiere zwei logistische Regressionsmodelle: eines mit dem Regularisierungsparameter 100 und ein zweites mit 0,1.
- Gib die Accuracy beider Modelle aus.
- Gib die Konfusionsmatrix jedes Modells aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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))