Identificar las palabras más positivas y más negativas
En este ejercicio vamos a interpretar los coeficientes de una regresión logística entrenada sobre el conjunto de datos de sentimiento de reseñas de películas. El objeto del modelo ya está instanciado y ajustado para ti en la variable lr.
Además, las palabras correspondientes a las distintas características están cargadas en la variable vocab. Por ejemplo, como vocab[100] es "think", eso significa que la característica 100 corresponde al número de veces que la palabra "think" aparece en esa reseña de película.
Este ejercicio forma parte del curso
Clasificadores lineales en Python
Instrucciones del ejercicio
- Encuentra las palabras correspondientes a los 5 coeficientes más grandes.
- Encuentra las palabras correspondientes a los 5 coeficientes más pequeños.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Get the indices of the sorted cofficients
inds_ascending = np.argsort(lr.coef_.flatten())
inds_descending = inds_ascending[::-1]
# Print the most positive words
print("Most positive words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")
# Print most negative words
print("Most negative words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")