Menjelaskan prediksi analisis sentimen
Anda disediakan sebuah model yang mengklasifikasikan ulasan produk sebagai beremosi positif atau negatif. Tugas Anda adalah menggunakan LIME untuk mengidentifikasi kata-kata dalam text_instance yang paling memengaruhi prediksi model.
Fungsi model_predict untuk memroses teks masukan sudah dimuat untuk Anda.
Latihan ini merupakan bagian dari kursus
Explainable AI in Python
Instruksi latihan
- Buat LIME text explainer bernama
explainer. - Hasilkan penjelasan untuk prediksi model pada
text_instanceyang diberikan dengan menampilkan lima fitur teratas. - Tampilkan kata-kata dengan kontribusi tertinggi dan bobotnya yang memengaruhi keputusan model.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
from lime.lime_text import LimeTextExplainer
text_instance = "Amazing battery life and the camera quality is perfect! I highly recommend this smartphone."
# Create a LIME text explainer
explainer = ____()
# Generate the explanation
exp = explainer.____(____, model_predict, num_features=____)
# Display the explanation
exp.____()
plt.show()