शुरू करेंमुफ़्त में शुरू करें

सेंटिमेंट एनालिसिस के लिए उच्च-क्रम n-grams

एक पहले वाले अभ्यास की तरह, हम एक classifier बनाएँगे जो बता सके कि किसी खास मूवी की review पॉज़िटिव है या नेगेटिव. लेकिन इस बार, हम n-grams को n=2 तक उपयोग करेंगे.

n-gram वाले training reviews X_train_ng के रूप में उपलब्ध हैं. इनके corresponding test reviews X_test_ng में हैं. अंत में, training और test की sentiment classes के लिए क्रमशः y_train और y_test का उपयोग करें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में NLP के लिए Feature Engineering

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MultinomialNB का एक instance परिभाषित करें. इसका नाम clf_ng रखें.
  • classifier को X_train_ng और y_train पर fit करें.
  • score() method का उपयोग करके X_test_ng और y_test पर accuracy मापें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define an instance of MultinomialNB 
clf_ng = ____

# Fit the classifier 
clf_ng.____(____, ____)

# Measure the accuracy 
accuracy = ____
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was not good. The plot had several holes and the acting lacked panache."
prediction = clf_ng.predict(ng_vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))
कोड संपादित करें और चलाएँ