Определение наиболее позитивных и негативных слов
В этом упражнении мы попробуем интерпретировать коэффициенты логистической регрессии, обученной на наборе данных с отзывами о фильмах. Объект модели уже создан и обучен — он хранится в переменной lr.
Кроме того, слова, соответствующие различным признакам, загружены в переменную vocab. Например, vocab[100] равно "think", что означает: признак 100 соответствует количеству вхождений слова "think" в данном отзыве о фильме.
Это упражнение является частью курса
Линейные классификаторы в Python
Инструкции к упражнению
- Найдите слова, соответствующие 5 наибольшим коэффициентам.
- Найдите слова, соответствующие 5 наименьшим коэффициентам.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Get the indices of the sorted cofficients
inds_ascending = np.argsort(lr.coef_.flatten())
inds_descending = inds_ascending[::-1]
# Print the most positive words
print("Most positive words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")
# Print most negative words
print("Most negative words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")