Regularisering av modeller med Twitter-data
Du kommer att arbeta med Twitter-data som uttrycker kunders sentiment om flygbolag. Matrisen X med särdrag och vektorn y med etiketter har skapats åt dig. Dessutom har uppdelningen i tränings- och testdata redan gjorts. Du kan arbeta direkt med arrayerna X_train, X_test, y_train och y_test.
Du tränar regulariserade modeller och mer flexibla modeller, och utvärderar dem med hjälp av olika prestandamått.
Alla nödvändiga paket har importerats åt dig.
Den här övningen är en del av kursen
Sentimentanalys i Python
Övningsinstruktioner
- Träna två logistiska regressioner: en med regulariseringsparametern 100 och en med 0,1.
- Skriv ut noggrannhetspoängen för båda modellerna.
- Skriv ut förvirringsmatrisen för varje modell.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))