सबसे सकारात्मक और नकारात्मक शब्दों की पहचान
इस अभ्यास में हम मूवी रिव्यू सेंटिमेंट डेटासेट पर फिट की गई लॉजिस्टिक रिग्रेशन के कोएफिशिएंट्स को समझने की कोशिश करेंगे. मॉडल ऑब्जेक्ट पहले से इंस्टैंशिएट और फिट किया हुआ है और वैरिएबल lr में उपलब्ध है.
इसके अलावा, अलग-अलग फीचर्स से संबंधित शब्द वैरिएबल vocab में लोड किए गए हैं. उदाहरण के लिए, यदि vocab[100] "think" है, तो इसका मतलब है कि फीचर 100 उस मूवी रिव्यू में शब्द "think" के आने की संख्या से संबंधित है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Linear Classifiers
अभ्यास निर्देश
- 5 सबसे बड़े कोएफिशिएंट्स से संबंधित शब्द ढूँढें.
- 5 सबसे छोटे कोएफिशिएंट्स से संबंधित शब्द ढूँढें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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")