Analiza sentymentu recenzji filmowych
W tym ćwiczeniu przyjrzysz się prawdopodobieństwom zwracanym przez regresję logistyczną na podzbiorze zbioru Large Movie Review Dataset.
Zmienne X i y są już załadowane do środowiska. X zawiera cechy oparte na liczbie wystąpień słów w recenzjach filmowych, a y zawiera etykiety określające, czy sentyment recenzji jest pozytywny (+1) czy negatywny (-1).
To ćwiczenie jest częścią kursu
Liniowe klasyfikatory w Pythonie
Instrukcje do ćwiczenia
- Wytrenuj model regresji logistycznej na danych z recenzji filmowych.
- Przewidź prawdopodobieństwa wyniku negatywnego i pozytywnego dla dwóch podanych recenzji.
- Możesz też wpisać własne recenzje i sprawdzić, jakie prawdopodobieństwa zostaną dla nich wyznaczone!
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate logistic regression and train
lr = ____
lr.fit(____)
# Predict sentiment for a glowing review
review1 = "LOVED IT! This movie was amazing. Top 10 this year."
review1_features = get_features(review1)
print("Review:", review1)
print("Probability of positive review:", lr.predict_proba(____)[0,1])
# Predict sentiment for a poor review
review2 = "Total junk! I'll never watch a film by that director again, no matter how good the reviews."
review2_features = get_features(review2)
print("Review:", review2)
print("Probability of positive review:", lr.predict_proba(____)[0,1])