Regolarizzare i modelli con dati da Twitter
Lavorerai con dati da Twitter che esprimono il sentiment dei clienti sulle compagnie aeree. La matrice delle caratteristiche X e il vettore delle etichette y sono già stati creati per te. Inoltre, è già stata effettuata la suddivisione in training e test. Puoi lavorare direttamente con gli array X_train, X_test, y_train e y_test.
Allenerai modelli regolarizzati e modelli più flessibili e li valuterai usando diverse metriche di prestazione del modello.
Tutti i pacchetti necessari sono già stati importati per te.
Questo esercizio fa parte del corso
Sentiment Analysis con Python
Istruzioni dell'esercizio
- Allena due regressioni logistiche: una con parametro di regolarizzazione pari a 100 e una seconda pari a 0.1.
- Stampa gli accuracy score di entrambi i modelli.
- Stampa la confusion matrix di ciascun modello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))