GBM으로 감성 분석하기
이제 reviews 데이터셋에 scikit-learn의 GradientBoostingClassifier를 적용해, 리뷰 텍스트를 기반으로 감성(긍정/부정)을 예측해 보겠습니다.
모델 입력으로 원시 텍스트를 그대로 사용하지는 않아요. 다음 전처리는 미리 완료되어 있습니다:
- 결측값이 있는 리뷰 제거
- 상위 5개 앱의 데이터만 선택
- 리뷰 500개를 무작위로 부분 추출
- 리뷰에서 "stop words" 제거
- 리뷰를 행렬로 변환하되, 각 특성은 해당 리뷰에서 특정 단어가 나타난 빈도를 의미하도록 구성
텍스트 마이닝을 더 깊이 이해하고 싶으신가요? 그렇다면 Introduction to Natural Language Processing in Python 강좌를 확인해 보세요!
이 연습은 강의의 일부입니다
Python에서의 앙상블 기법
연습 안내
100개의 estimator와0.1의 learning rate로GradientBoostingClassifier를 구성하세요.- 테스트 세트에서 예측값을 계산하세요.
- 모델을 평가하기 위해 정확도를 계산하세요.
- 혼동 행렬을 계산해 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Build and fit a Gradient Boosting classifier
clf_gbm = ____(____, ____, random_state=500)
clf_gbm.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance based on the accuracy
acc = ____
print('Accuracy: {:.3f}'.format(acc))
# Get and show the Confusion Matrix
cm = ____
print(cm)