Migliorare il tuo modello

Il tuo compito in questo esercizio è testare alcuni diversi livelli di alpha usando i vettori Tfidf per capire se esiste una combinazione con prestazioni migliori.

I set di training e test sono già stati creati e tfidf_vectorizer, tfidf_train e tfidf_test sono già stati calcolati.

Questo esercizio fa parte del corso

Introduzione al Natural Language Processing in Python

Visualizza il corso

Istruzioni dell'esercizio

Crea un elenco di valori di alpha da provare usando np.arange(). I valori devono andare da 0 a 1 con passi di 0.1.
Crea una funzione train_and_predict() che accetti un argomento: alpha. La funzione deve:
- Istanziare un classificatore MultinomialNB con alpha=alpha.
- Fittarlo sui dati di training.
- Calcolare le predizioni sui dati di test.
- Calcolare e restituire l'accuracy.
Usando un ciclo for, stampa alpha, score e una riga vuota tra loro. Usa la tua funzione train_and_predict() per calcolare lo score. Lo score cambia al variare di alpha? Qual è il valore di alpha migliore?

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create the list of alphas: alphas
alphas = ____

# Define train_and_predict()
def ____(____):
    # Instantiate the classifier: nb_classifier
    nb_classifier = ____
    # Fit to the training data
    ____
    # Predict the labels: pred
    pred = ____
    # Compute accuracy: score
    score = ____
    return score

# Iterate over the alphas and print the corresponding score
for alpha in alphas:
    print('Alpha: ', alpha)
    print('Score: ', ____)
    print()

Modifica ed esegui il codice