Je gaat een logistic regression-model trainen dat het sentiment van tweets voorspelt en de prestaties op de testset evalueren met verschillende metriken.

Er is een matrix X voor je aangemaakt. Deze bevat features die met een BOW op de kolom text zijn gemaakt.

De labels staan in een vector y. Vector y is 0 voor negatieve tweets, 1 voor neutrale, en 2 voor positieve.
Let op: hoewel we 3 klassen hebben, blijft dit een classificatieprobleem. De accuracy meet nog steeds het aandeel correct voorspelde gevallen. De confusion matrix is nu 3x3; elke rij geeft het aantal voorspelde gevallen voor de klassen 2, 1 en 0, en elke kolom het werkelijke aantal gevallen in klasse 2, 1 en 0.

Alle benodigde pakketten zijn al geïmporteerd.

Hebben we het sentiment echt goed voorspeld?

Create Your Free Account