Regresja logistyczna na danych z Twittera
W tym ćwiczeniu zbudujesz model regresji logistycznej, korzystając ze zbioru danych tweets. Zmienna docelowa to airline_sentiment, gdzie 0 oznacza tweety negatywne, 1 – neutralne, a 2 – pozytywne. Masz więc do czynienia z zadaniem klasyfikacji wieloklasowej. Wszystko, czego się nauczyłeś o problemach binarnych, ma zastosowanie również w klasyfikacji wieloklasowej.
Ocenisz dokładność modelu, korzystając z dwóch różnych podejść omówionych na slajdach.
Funkcja regresji logistycznej i miara dokładności zostały już zaimportowane.
To ćwiczenie jest częścią kursu
Analiza sentymentu w Pythonie
Instrukcje do ćwiczenia
- Zbuduj i dopasuj model regresji logistycznej, używając zdefiniowanych
Xiyjako argumentów. - Oblicz dokładność modelu regresji logistycznej.
- Przewidź etykiety.
- Oblicz dokładność na podstawie przewidywanych i prawdziwych etykiet.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Define the vector of targets and matrix of features
y = tweets.airline_sentiment
X = tweets.drop('airline_sentiment', axis=1)
# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____)
# Create an array of prediction
y_predict = log_reg.____
# Print the accuracy using accuracy score
print('Accuracy of logistic regression: ', ____(___, ____))