Analisi del sentiment per le recensioni di film
In questo esercizio esplorerai le probabilità restituite dalla regressione logistica su un sottoinsieme del Large Movie Review Dataset.
Le variabili X e y sono già caricate nell'ambiente. X contiene caratteristiche basate sul numero di occorrenze delle parole nelle recensioni dei film, e y contiene le etichette che indicano se il sentiment della recensione è positivo (+1) o negativo (-1).
Questo esercizio fa parte del corso
Classificatori lineari in Python
Istruzioni dell'esercizio
- Allena un modello di regressione logistica sui dati delle recensioni di film.
- Predici le probabilità di negativo vs. positivo per le due recensioni fornite.
- Se vuoi, scrivi anche le tue recensioni e ottieni le relative probabilità!
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Instantiate logistic regression and train
lr = ____
lr.fit(____)
# Predict sentiment for a glowing review
review1 = "LOVED IT! This movie was amazing. Top 10 this year."
review1_features = get_features(review1)
print("Review:", review1)
print("Probability of positive review:", lr.predict_proba(____)[0,1])
# Predict sentiment for a poor review
review2 = "Total junk! I'll never watch a film by that director again, no matter how good the reviews."
review2_features = get_features(review2)
print("Review:", review2)
print("Probability of positive review:", lr.predict_proba(____)[0,1])