Porównanie wydajności modeli n-gram
Wiesz już, jak przeprowadzać analizę wydźwięku (sentiment analysis), przekształcając tekst w różne reprezentacje n-gramowe i przekazując je do klasyfikatora. W tym ćwiczeniu przeprowadzimy analizę wydźwięku na tych samych recenzjach filmowych co wcześniej, używając dwóch modeli n-gramowych: unigramów oraz n-gramów dla n równego maksymalnie 3.
Następnie porównamy wyniki według trzech kryteriów: dokładności modelu na zbiorze testowym, czasu wykonania programu oraz liczby cech utworzonych podczas generowania reprezentacji n-gramowej.
To ćwiczenie jest częścią kursu
Inżynieria cech dla NLP w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
start_time = time.time()
# Splitting the data into training and test sets
train_X, test_X, train_y, test_y = train_test_split(df['review'], df['sentiment'], test_size=0.5, random_state=42, stratify=df['sentiment'])
# Generating ngrams
vectorizer = ___
train_X = vectorizer.fit_transform(train_X)
test_X = vectorizer.transform(test_X)
# Fit classifier
clf = MultinomialNB()
clf.fit(train_X, train_y)
# Print accuracy, time and number of dimensions
print("The program took %.3f seconds to complete. The accuracy on the test set is %.2f. The ngram representation had %i features." % (time.time() - start_time, clf.score(test_X, test_y), train_X.shape[1]))