Entraîner et tester le modèle de « fake news » avec CountVectorizer

À vous de jouer : entraînez le modèle de « fake news » en utilisant les caractéristiques que vous avez repérées et extraites. Dans ce premier exercice, vous allez entraîner et tester un modèle de Naive Bayes à partir des données de CountVectorizer.

Les ensembles d'apprentissage et de test ont été créés, et count_vectorizer, count_train et count_test ont été calculés.

Cette activité fait partie du cours

Introduction au traitement du langage naturel en Python

Voir le cours

Instructions de l’exercice

Importez le module metrics de sklearn et MultinomialNB de sklearn.naive_bayes.
Instanciez un classifieur MultinomialNB nommé nb_classifier.
Entraînez le classifieur sur les données d'apprentissage.
Calculez les étiquettes prédites pour les données de test.
Calculez et affichez le score de justesse du classifieur.
Calculez la matrice de confusion. Pour en faciliter la lecture, précisez l'argument nommé labels=['FAKE', 'REAL'].

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the necessary modules
____
____

# Instantiate a Multinomial Naive Bayes classifier: nb_classifier
nb_classifier = ____

# Fit the classifier to the training data
____

# Create the predicted tags: pred
pred = ____

# Calculate the accuracy score: score
score = ____
print(score)

# Calculate the confusion matrix: cm
cm = ____
print(cm)

Modifier et exécuter le code