Confrontare le prestazioni dei modelli n-gram
Ora sai come fare sentiment analysis convertendo il testo in diverse rappresentazioni n-gram e passandole a un classificatore. In questo esercizio, eseguiremo la sentiment analysis sulle stesse recensioni di film di prima usando due modelli n-gram: unigrammi e n-gram fino a n uguale a 3.
Confronteremo poi le prestazioni in base a tre criteri: accuratezza del modello sul set di test, tempo di esecuzione del programma e numero di feature create durante la generazione della rappresentazione n-gram.
Questo esercizio fa parte del corso
Feature Engineering per NLP in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
start_time = time.time()
# Splitting the data into training and test sets
train_X, test_X, train_y, test_y = train_test_split(df['review'], df['sentiment'], test_size=0.5, random_state=42, stratify=df['sentiment'])
# Generating ngrams
vectorizer = ___
train_X = vectorizer.fit_transform(train_X)
test_X = vectorizer.transform(test_X)
# Fit classifier
clf = MultinomialNB()
clf.fit(train_X, train_y)
# Print accuracy, time and number of dimensions
print("The program took %.3f seconds to complete. The accuracy on the test set is %.2f. The ngram representation had %i features." % (time.time() - start_time, clf.score(test_X, test_y), train_X.shape[1]))