1. Learn
    2. /
  2. Courses
    3. /
  3. Wprowadzenie do przetwarzania języka naturalnego w Pythonie
Connected

Exercise

Trenowanie i testowanie modelu wykrywania „fake newsów" z użyciem TfidfVectorizer

Po ocenie modelu z użyciem CountVectorizer czas zrobić to samo z TfidfVectorizer i modelem Naive Bayes.

Zbiory treningowy i testowy zostały już utworzone, a tfidf_vectorizer, tfidf_train i tfidf_test są obliczone. Ponadto MultinomialNB i metrics zostały zaimportowane odpowiednio z sklearn.naive_bayes i sklearn.

Instructions

100 XP
  • Utwórz instancję klasyfikatora MultinomialNB o nazwie nb_classifier.
  • Dopasuj klasyfikator do danych treningowych.
  • Oblicz przewidywane etykiety dla danych testowych.
  • Oblicz dokładność klasyfikatora i wyświetl jej wartość.
  • Oblicz macierz pomyłek. Tak jak w poprzednim ćwiczeniu, podaj argument kluczowy labels=['FAKE', 'REAL'], aby wynik był łatwiejszy do odczytania.