Modelowanie zbioru danych UFO, część 2

Na koniec zbudujesz model z użyciem wektora tekstowego desc_tfidf i listy filtered_words do stworzenia przefiltrowanego wektora tekstowego. Sprawdź, czy uda ci się przewidzieć typ obserwacji (type) na podstawie tekstu. Skorzystasz w tym celu z modelu Naive Bayes.

To ćwiczenie jest częścią kursu

Preprocessing w uczeniu maszynowym w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Przefiltruj wektor desc_tfidf, przekazując listę filtered_words jako indeks.
Podziel cechy filtered_text i zmienną y na zbiory treningowy i testowy, zapewniając równomierny rozkład klas; użyj random_state równego 42.
Użyj metody .fit() modelu nb, aby dopasować go do X_train i y_train.
Wyświetl wartość .score() modelu nb na zbiorach X_test i y_test.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use the list of filtered words we created to filter the text vector
filtered_text = ____[:, list(____)]

# Split the X and y sets using train_test_split, setting stratify=y 
X_train, X_test, y_train, y_test = ____(____.toarray(), ____, ____, random_state=42)

# Fit nb to the training sets
____

# Print the score of nb on the test sets
____

Edytuj i uruchom kod