N-граммы высокого порядка для анализа тональности

Как и в предыдущем упражнении, мы построим классификатор, который определяет, является ли рецензия на фильм положительной или отрицательной. На этот раз для решения задачи мы будем использовать n-граммы вплоть до n=2.

Обучающие рецензии в виде n-грамм доступны в переменной X_train_ng. Соответствующие тестовые рецензии — в переменной X_test_ng. Для доступа к классам тональности обучающей и тестовой выборок используйте y_train и y_test соответственно.

Это упражнение является частью курса

Конструирование признаков для NLP на Python

Посмотреть курс

Инструкции к упражнению

Создайте экземпляр MultinomialNB и назовите его clf_ng.
Обучите классификатор на данных X_train_ng и y_train.
Измерьте accuracy на данных X_test_ng и y_test с помощью метода score().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Define an instance of MultinomialNB 
clf_ng = ____

# Fit the classifier 
clf_ng.____(____, ____)

# Measure the accuracy 
accuracy = ____
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was not good. The plot had several holes and the acting lacked panache."
prediction = clf_ng.predict(ng_vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))

Редактировать и запускать код