Логистическая регрессия на данных Twitter
В этом упражнении вы построите модель логистической регрессии на основе набора данных tweets. В качестве целевой переменной используется airline_sentiment: 0 соответствует негативным твитам, 1 — нейтральным, 2 — позитивным. Таким образом, перед вами задача многоклассовой классификации. Всё, что вы узнали о бинарных задачах, применимо и к многоклассовым.
Вы оцените точность модели двумя способами, рассмотренными на слайдах.
Функция логистической регрессии и метрика точности уже импортированы.
Это упражнение является частью курса
Анализ тональности текста на Python
Инструкции к упражнению
- Постройте и обучите модель логистической регрессии, передав определённые
Xиyв качестве аргументов. - Вычислите точность модели логистической регрессии.
- Получите предсказанные метки.
- Вычислите точность с помощью предсказанных и истинных меток.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define the vector of targets and matrix of features
y = tweets.airline_sentiment
X = tweets.drop('airline_sentiment', axis=1)
# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____)
# Create an array of prediction
y_predict = log_reg.____
# Print the accuracy using accuracy score
print('Accuracy of logistic regression: ', ____(___, ____))