Análise de sentimento para críticas de filmes
Neste exercício, você vai explorar as probabilidades geradas pela regressão logística em um subconjunto do Large Movie Review Dataset.
As variáveis X e y já estão carregadas no ambiente. X contém atributos baseados no número de ocorrências de palavras nas críticas de filmes, e y contém os rótulos indicando se o sentimento da crítica é positivo (+1) ou negativo (-1).
Este exercício faz parte do curso
Classificadores Lineares em Python
Instruções do exercício
- Treine um modelo de regressão logística nos dados das críticas de filmes.
- Faça a previsão das probabilidades de negativo vs. positivo para as duas críticas fornecidas.
- Fique à vontade para escrever suas próprias críticas e obter as probabilidades delas também!
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Instantiate logistic regression and train
lr = ____
lr.fit(____)
# Predict sentiment for a glowing review
review1 = "LOVED IT! This movie was amazing. Top 10 this year."
review1_features = get_features(review1)
print("Review:", review1)
print("Probability of positive review:", lr.predict_proba(____)[0,1])
# Predict sentiment for a poor review
review2 = "Total junk! I'll never watch a film by that director again, no matter how good the reviews."
review2_features = get_features(review2)
print("Review:", review2)
print("Probability of positive review:", lr.predict_proba(____)[0,1])