Regresión logística de reseñas de películas

En el vídeo vimos que la regresión logística es una forma habitual de modelar tareas de clasificación, como clasificar el sentimiento en positivo o negativo.

En este ejercicio trabajarás con el conjunto de datos de reseñas movies. La columna label almacena el sentimiento: vale 1 cuando la reseña es positiva y 0 cuando es negativa. La reseña de texto se ha transformado con BOW a columnas numéricas.

Tu tarea es construir un modelo de regresión logística usando el conjunto de datos movies y calcular su exactitud.

Este ejercicio forma parte del curso

Sentiment Analysis in Python

Ver curso

Instrucciones del ejercicio

Importa la función de regresión logística.
Crea y ajusta una regresión logística con las etiquetas y y las características X.
Calcula la exactitud del modelo de regresión logística usando el método predeterminado .score().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import the logistic regression
from ____.____ import ____

# Define the vector of targets and matrix of features
y = movies.label
X = movies.drop('label', axis=1)

# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____(X, y))

Editar y ejecutar código