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

ćwiczenie

Analiza modelu

Skoro masz już gotowy klasyfikator „fałszywych wiadomości", przyjrzyj się temu, czego się nauczył. Możesz przyporządkować ważne wagi wektorów do konkretnych słów, korzystając z prostych technik inspekcji.

Do dyspozycji masz dobrze działający klasyfikator Naive Bayes oparty na TF-IDF – dostępny jako nb_classifier – oraz wektory w postaci tfidf_vectorizer.

Instrukcje

100 XP
  • Zapisz etykiety klas jako class_labels, korzystając z atrybutu .classes_ obiektu nb_classifier.
  • Wyodrębnij cechy metodą .get_feature_names() obiektu tfidf_vectorizer.
  • Utwórz spakowaną tablicę współczynników klasyfikatora wraz z nazwami cech i posortuj ją według współczynników. W tym celu użyj funkcji zip() z argumentami nb_classifier.coef_[0] i feature_names, a następnie wywołaj na wyniku sorted().
  • Wyświetl 20 najwyżej ważonych cech dla pierwszej etykiety class_labels oraz 20 cech z najniższymi wagami dla drugiej etykiety class_labels. Ten krok został już za ciebie wykonany.