Comparing performance of n-gram models
Ahora ya sabes cómo hacer análisis de sentimiento convirtiendo texto en distintas representaciones de n-gramas y pasándolas a un clasificador. En este ejercicio, realizaremos análisis de sentimiento sobre las mismas reseñas de películas de antes usando dos modelos de n-gramas: unigramas y n-gramas hasta n igual a 3.
Luego compararemos el rendimiento usando tres criterios: la exactitud del modelo en el conjunto de prueba, el tiempo que tarda en ejecutarse el programa y el número de características creadas al generar la representación de n-gramas.
Este ejercicio forma parte del curso
Ingeniería de características para NLP en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
start_time = time.time()
# Splitting the data into training and test sets
train_X, test_X, train_y, test_y = train_test_split(df['review'], df['sentiment'], test_size=0.5, random_state=42, stratify=df['sentiment'])
# Generating ngrams
vectorizer = ___
train_X = vectorizer.fit_transform(train_X)
test_X = vectorizer.transform(test_X)
# Fit classifier
clf = MultinomialNB()
clf.fit(train_X, train_y)
# Print accuracy, time and number of dimensions
print("The program took %.3f seconds to complete. The accuracy on the test set is %.2f. The ngram representation had %i features." % (time.time() - start_time, clf.score(test_X, test_y), train_X.shape[1]))