Treinando e testando o modelo de "fake news" com CountVectorizer

Agora é a sua vez de treinar o modelo de "fake news" usando os recursos que você identificou e extraiu. Neste primeiro exercício, você vai treinar e testar um modelo Naive Bayes usando os dados do CountVectorizer.

Os conjuntos de treino e teste já foram criados, e count_vectorizer, count_train e count_test já foram calculados.

Este exercício faz parte do curso

Introdução ao Processamento de Linguagem Natural em Python

Ver curso

Instruções do exercício

Importe o módulo metrics de sklearn e MultinomialNB de sklearn.naive_bayes.
Instancie um classificador MultinomialNB chamado nb_classifier.
Ajuste o classificador aos dados de treino.
Calcule as tags previstas para os dados de teste.
Calcule e imprima a acurácia do classificador.
Calcule a matriz de confusão. Para facilitar a leitura, especifique o argumento nomeado labels=['FAKE', 'REAL'].

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import the necessary modules
____
____

# Instantiate a Multinomial Naive Bayes classifier: nb_classifier
nb_classifier = ____

# Fit the classifier to the training data
____

# Create the predicted tags: pred
pred = ____

# Calculate the accuracy score: score
score = ____
print(score)

# Calculate the confusion matrix: cm
cm = ____
print(cm)

Editar e executar o código