Régression logistique des critiques de films

Dans la vidéo, nous avons vu que la régression logistique est une façon courante de modéliser une tâche de classification, comme déterminer si le sentiment est positif ou négatif.

Dans cet exercice, vous allez travailler avec l'ensemble de données de critiques movies. La colonne label contient le sentiment : elle vaut 1 quand la critique est positive et 0 quand elle est négative. La critique textuelle a été transformée en colonnes numériques à l'aide du modèle sac de mots (BOW).

Votre tâche consiste à construire un modèle de régression logistique avec l'ensemble movies et à calculer sa précision.

Cette activité fait partie du cours

Analyse de sentiment en Python

Voir le cours

Instructions de l’exercice

Importez la fonction de régression logistique.
Créez et entraînez une régression logistique sur les étiquettes y et les variables explicatives X.
Calculez la précision du modèle de régression logistique en utilisant la méthode par défaut .score().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))

Modifier et exécuter le code