モデルを構築して評価する：商品レビューのデータ
この演習では、Amazon の商品に対する顧客レビューを含む reviews データセットを使ってロジスティック回帰を構築します。配列 y には感情極性が入り、ポジティブなら 1、それ以外は 0 です。配列 X には、BOW アプローチで作成した数値特徴量がすべて含まれています。IPython シェルで自由に探索してみてください。
あなたのタスクは、ロジスティック回帰モデルを構築し、テストデータセットを用いて正解率と混同行列を計算することです。
ロジスティック回帰と学習/テスト分割の関数はすでにインポートされています。
この演習はコースの一部です
Pythonで学ぶSentiment Analysis
演習の手順
- accuracy score と混同行列の関数をインポートします。
- データを学習用とテスト用に分割します。30% をテストデータとし、乱数シードは
42に設定します。 - ロジスティック回帰モデルを学習させます。
- テストデータを使って、accuracy score と混同行列を出力します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import the accuracy and confusion matrix
____
# Split the data into training and testing
X_train, X_test, y_train, y_test = ____(____, ____, ____=0.3, ____=42)
# Build a logistic regression
log_reg = ____._____
# Predict the labels
y_predict = log_reg.predict(X_test)
# Print the performance metrics
print('Accuracy score of test data: ', ____(____, ____))
print('Confusion matrix of test data: \n', ____(____, ____)/len(y_test))