Regularizando modelos com dados do Twitter
Você vai trabalhar com dados do Twitter que expressam o sentimento de clientes sobre companhias aéreas. A matriz de atributos X e o vetor de rótulos y já foram criados para você. Além disso, a divisão entre treino e teste já foi feita. Você pode trabalhar diretamente com os arrays X_train, X_test, y_train e y_test.
Você vai treinar modelos regularizados e mais flexíveis e avaliá-los usando diferentes métricas de desempenho de modelo.
Todos os pacotes necessários já foram importados para você.
Este exercício faz parte do curso
Análise de Sentimentos em Python
Instruções do exercício
- Treine duas regressões logísticas: uma com parâmetro de regularização 100 e a outra com 0,1.
- Imprima os accuracy scores de ambos os modelos.
- Imprima a matriz de confusão de cada modelo.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Build a logistic regression with regularizarion parameter of 100
log_reg1 = ____.____
# Build a logistic regression with regularizarion parameter of 0.1
log_reg2 = ____.____
# Predict the labels for each model
y_predict1 = log_reg1.predict(X_test)
y_predict2 = log_reg2.predict(X_test)
# Print performance metrics for each model
print('Accuracy of model 1: ', ____(____, ____))
print('Accuracy of model 2: ', ____(___, ____))
print('Confusion matrix of model 1: \n' , ____(____, ____)/len(y_test))
print('Confusion matrix of model 2: \n', ____(____, ____)/len(y_test))