1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do przetwarzania języka naturalnego w Pythonie
Connected

ćwiczenie

Trenowanie i testowanie modelu do wykrywania „fake newsów" z CountVectorizer

Czas samodzielnie wytrenować model do wykrywania „fake newsów" na podstawie wyodrębnionych cech. W tym ćwiczeniu wytrenujesz i przetestujesz model Naive Bayes, korzystając z danych przygotowanych przez CountVectorizer.

Zbiory treningowy i testowy zostały już utworzone, a zmienne count_vectorizer, count_train i count_test są gotowe do użycia.

Instrukcje

100 XP
  • Zaimportuj moduł metrics z sklearn oraz MultinomialNB z sklearn.naive_bayes.
  • Utwórz instancję klasyfikatora MultinomialNB o nazwie nb_classifier.
  • Dopasuj klasyfikator do danych treningowych.
  • Oblicz przewidywane etykiety dla danych testowych.
  • Oblicz i wyświetl dokładność klasyfikatora.
  • Oblicz macierz pomyłek. Aby ułatwić jej odczytanie, podaj argument labels=['FAKE', 'REAL'].