Explicar as previsões da análise de sentimentos
Você tem acesso a um model que classifica as avaliações de produtos como expressando sentimentos positivos ou negativos. Sua tarefa é usar o LIME para identificar quais palavras em uma determinada text_instance mais influenciam as previsões do modelo.
A função model_predict para processar textos de entrada foi pré-carregada para você.
Este exercício faz parte do curso
IA explicável em Python
Instruções do exercício
- Crie um explicador de texto LIME chamado
explainer. - Gere uma explicação para a previsão do modelo no
text_instancefornecido com os cinco principais recursos. - Exiba as palavras que mais contribuem e seus pesos que influenciam a decisão do modelo.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
from lime.lime_text import LimeTextExplainer
text_instance = "Amazing battery life and the camera quality is perfect! I highly recommend this smartphone."
# Create a LIME text explainer
explainer = ____
# Generate the explanation
exp = ____
# Display the explanation
____
plt.show()