Explicar las previsiones del análisis de sentimiento
Se te proporciona un model que clasifica las opiniones sobre productos según expresen sentimiento positivo o negativo. Tu tarea es usar LIME para identificar qué palabras de una text_instance determinada influyen más en las previsiones del modelo.
La función model_predict para procesar textos de entrada está precargada para ti.
Este ejercicio forma parte del curso
IA explicable en Python
Instrucciones de ejercicio
- Crea un explainer de texto de LIME llamado
explainer. - Genera una explicación para la previsión del modelo en la
text_instancedada con las cinco características principales. - Muestra las palabras que más contribuyen y sus pesos, que influyen en la decisión del modelo.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
from lime.lime_text import LimeTextExplainer
text_instance = "Amazing battery life and the camera quality is perfect! I highly recommend this smartphone."
# Create a LIME text explainer
explainer = ____
# Generate the explanation
exp = ____
# Display the explanation
____
plt.show()