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
<Kurs>Stimmungsanalyse in Python</Kurs>Übungsanweisungen
- 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 praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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))