Регуляризация моделей на данных Twitter
Вы будете работать с данными Twitter, отражающими отношение клиентов к авиакомпаниям. Матрица признаков X и вектор меток y уже подготовлены. Данные также разбиты на обучающую и тестовую выборки — вы можете сразу использовать массивы X_train, X_test, y_train и y_test.
Вам предстоит обучить регуляризованные и более гибкие модели, а затем оценить их с помощью различных метрик качества.
Все необходимые пакеты уже импортированы.
Это упражнение является частью курса
Анализ тональности текста на Python
Инструкции к упражнению
- Обучите две логистические регрессии: первую с параметром регуляризации 100, вторую — с параметром 0,1.
- Выведите значения метрики точности для обеих моделей.
- Выведите матрицу ошибок для каждой модели.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))