Twitter डेटा के साथ मॉडलों को रेग्युलराइज़ करना
आप Twitter डेटा के साथ काम करेंगे जिसमें एयरलाइन कंपनियों के बारे में ग्राहकों का sentiment व्यक्त किया गया है। आपके लिए X फीचर्स की मैट्रिक्स और y लेबल्स का वेक्टर बना दिया गया है। इसके अलावा, training और testing का split भी कर दिया गया है। आप सीधे X_train, X_test, y_train और y_test एरेज़ के साथ काम कर सकते हैं.
आप रेग्युलराइज़्ड और अधिक लचीले मॉडल्स ट्रेन करेंगे और उन्हें अलग-अलग मॉडल परफॉर्मेंस मेट्रिक्स से evaluate करेंगे.
सभी आवश्यक पैकेज आपके लिए import कर दिए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Sentiment Analysis
अभ्यास निर्देश
- दो लॉजिस्टिक रिग्रेशन ट्रेन करें: एक में रेग्युलराइज़ेशन पैरामीटर 100 रखें और दूसरे में 0.1.
- दोनों मॉडलों के accuracy स्कोर प्रिंट करें.
- प्रत्येक मॉडल का कन्फ्यूज़न मैट्रिक्स प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build a logistic regression with regularizarion parameter of 100
log_reg1 = ____.____
# Build a logistic regression with regularizarion parameter of 0.1
log_reg2 = ____.____
# Predict the labels for each model
y_predict1 = log_reg1.predict(X_test)
y_predict2 = log_reg2.predict(X_test)
# Print performance metrics for each model
print('Accuracy of model 1: ', ____(____, ____))
print('Accuracy of model 2: ', ____(___, ____))
print('Confusion matrix of model 1: \n' , ____(____, ____)/len(y_test))
print('Confusion matrix of model 2: \n', ____(____, ____)/len(y_test))