Identifiera de mest positiva och negativa orden
I den här övningen ska du tolka koefficienterna för en logistisk regression tränad på datamängden med filmrecensioners sentiment. Modellobjektet är redan instansierat och tränat i variabeln lr.
Dessutom är orden som motsvarar de olika särdragen inlästa i variabeln vocab. Till exempel: eftersom vocab[100] är "think" innebär det att särdrag 100 motsvarar antalet gånger ordet "think" förekom i filmrecensionen.
Den här övningen är en del av kursen
Linjära klassificerare i Python
Övningsinstruktioner
- Hitta orden som motsvarar de 5 största koefficienterna.
- Hitta orden som motsvarar de 5 minsta koefficienterna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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")