Regressione logistica delle recensioni di film
Nel video abbiamo visto che la regressione logistica è un modo comune per modellare un compito di classificazione, ad esempio classificare il sentiment come positivo o negativo.
In questo esercizio lavorerai con l'insieme di dati delle recensioni movies. La colonna label contiene il sentiment, che vale 1 quando la recensione è positiva e 0 quando è negativa. Il testo della recensione è stato trasformato, usando BOW, in colonne numeriche.
Il tuo compito è costruire un modello di regressione logistica usando il dataset movies e calcolarne l'accuratezza.
Questo esercizio fa parte del corso
Sentiment Analysis con Python
Istruzioni dell'esercizio
- Importa la funzione di regressione logistica.
- Crea e addestra una regressione logistica sulle etichette
ye sulle featureX. - Calcola l'accuratezza del modello di regressione logistica usando il metodo predefinito
.score().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import the logistic regression
from ____.____ import ____
# Define the vector of targets and matrix of features
y = movies.label
X = movies.drop('label', axis=1)
# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____(X, y))