Analiza sentimentelor cu GBM

Acum vom folosi GradientBoostingClassifier din scikit-learn pe setul de date reviews pentru a prezice sentimentul unui review pe baza textului său.

Nu vom transmite textul brut ca intrare pentru model. Următoarea preprocesare a fost realizată pentru tine:

S-au eliminat recenziile cu valori lipsă.
S-au selectat datele din cele mai populare 5 aplicații.
S-a ales un sub-eșantion aleatoriu de 500 de recenzii.
S-au eliminat „cuvintele de legătură" (stop words) din recenzii.
Recenziile au fost transformate într-o matrice în care fiecare caracteristică reprezintă frecvența unui cuvânt într-o recenzie.

Vrei să înțelegi mai bine text mining-ul? Atunci consultă cursul Introduction to Natural Language Processing in Python!

Acest exercițiu face parte din cursul

Metode de ansamblu în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Construiește un GradientBoostingClassifier cu 100 de estimatori și o rată de învățare de 0.1.
Calculează predicțiile pe setul de testare.
Calculează acuratețea pentru a evalua modelul.
Calculează și afișează matricea de confuzie.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Build and fit a Gradient Boosting classifier
clf_gbm = ____(____, ____, random_state=500)
clf_gbm.fit(X_train, y_train)

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance based on the accuracy
acc = ____
print('Accuracy: {:.3f}'.format(acc))

# Get and show the Confusion Matrix
cm = ____
print(cm)

Editează și rulează codul