Identyfikacja słów o najbardziej pozytywnym i negatywnym wpływie
W tym ćwiczeniu spróbujemy zinterpretować współczynniki regresji logistycznej dopasowanej do zbioru danych o sentymencie recenzji filmowych. Obiekt modelu jest już zainicjalizowany i wytrenowany – znajdziesz go w zmiennej lr.
Ponadto słowa odpowiadające poszczególnym cechom są załadowane do zmiennej vocab. Na przykład, ponieważ vocab[100] to "think", cecha 100 odpowiada liczbie wystąpień słowa "think" w danej recenzji filmowej.
To ćwiczenie jest częścią kursu
Liniowe klasyfikatory w Pythonie
Instrukcje do ćwiczenia
- Znajdź słowa odpowiadające 5 największym współczynnikom.
- Znajdź słowa odpowiadające 5 najmniejszym współczynnikom.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Get the indices of the sorted cofficients
inds_ascending = np.argsort(lr.coef_.flatten())
inds_descending = inds_ascending[::-1]
# Print the most positive words
print("Most positive words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")
# Print most negative words
print("Most negative words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")