N-gramas de orden superior para análisis de sentimiento

Al igual que en un ejercicio anterior, vamos a construir un clasificador que detecte si la reseña de una película es positiva o negativa. Sin embargo, esta vez usaremos n-gramas hasta n=2 para la tarea.

Las reseñas de entrenamiento con n-gramas están disponibles como X_train_ng. Las reseñas de prueba correspondientes están disponibles como X_test_ng. Por último, usa y_train y y_test para acceder a las clases de sentimiento de entrenamiento y prueba, respectivamente.

Este ejercicio forma parte del curso

Ingeniería de características para NLP en Python

Ver curso

Instrucciones del ejercicio

Define una instancia de MultinomialNB. Llámala clf_ng.
Ajusta el clasificador con X_train_ng y y_train.
Mide la accuracy en X_test_ng y y_test usando el método score().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Define an instance of MultinomialNB 
clf_ng = ____

# Fit the classifier 
clf_ng.____(____, ____)

# Measure the accuracy 
accuracy = ____
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was not good. The plot had several holes and the acting lacked panache."
prediction = clf_ng.predict(ng_vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))

Editar y ejecutar código