Análisis de sentimiento para reseñas de películas
En este ejercicio vas a explorar las probabilidades que devuelve la regresión logística sobre un subconjunto del Large Movie Review Dataset.
Las variables X e y ya están cargadas en el entorno. X contiene características basadas en el número de veces que aparecen palabras en las reseñas de películas, e y contiene etiquetas que indican si el sentimiento de la reseña es positivo (+1) o negativo (-1).
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones del ejercicio
- Entrena un modelo de regresión logística con los datos de reseñas de películas.
- Predice las probabilidades de negativo vs. positivo para las dos reseñas indicadas.
- ¡Si quieres, escribe también tus propias reseñas y obtén sus probabilidades!
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Instantiate logistic regression and train
lr = ____
lr.fit(____)
# Predict sentiment for a glowing review
review1 = "LOVED IT! This movie was amazing. Top 10 this year."
review1_features = get_features(review1)
print("Review:", review1)
print("Probability of positive review:", lr.predict_proba(____)[0,1])
# Predict sentiment for a poor review
review2 = "Total junk! I'll never watch a film by that director again, no matter how good the reviews."
review2_features = get_features(review2)
print("Review:", review2)
print("Probability of positive review:", lr.predict_proba(____)[0,1])