Sentimentanalys av filmrecensioner
I den här övningen utforskar du sannolikheterna som logistisk regression ger för ett urval av Large Movie Review Dataset.
Variablerna X och y är redan inlästa i miljön. X innehåller särdrag baserade på hur många gånger ord förekommer i filmrecensionerna, och y innehåller etiketter för om recensionens sentiment är positivt (+1) eller negativt (-1).
Den här övningen är en del av kursen
Linjära klassificerare i Python
Övningsinstruktioner
- Träna en logistisk regressionsmodell på filmrecensionsdata.
- Förutsäg sannolikheterna för negativt respektive positivt sentiment för de två angivna recensionerna.
- Prova gärna att skriva egna recensioner och beräkna sannolikheterna för dem också!
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Instantiate logistic regression and train
lr = ____
lr.fit(____)
# Predict sentiment for a glowing review
review1 = "LOVED IT! This movie was amazing. Top 10 this year."
review1_features = get_features(review1)
print("Review:", review1)
print("Probability of positive review:", lr.predict_proba(____)[0,1])
# Predict sentiment for a poor review
review2 = "Total junk! I'll never watch a film by that director again, no matter how good the reviews."
review2_features = get_features(review2)
print("Review:", review2)
print("Probability of positive review:", lr.predict_proba(____)[0,1])