Logistisk regression på filmrecensioner

I videon lärde vi oss att logistisk regression är ett vanligt sätt att modellera en klassificeringsuppgift, till exempel att klassificera sentiment som positivt eller negativt.

I den här övningen arbetar du med datamängden movies med filmrecensioner. Kolumnen label lagrar sentimentet – värdet är 1 när recensionen är positiv och 0 när den är negativ. Texten i recensionerna har omvandlats till numeriska kolumner med hjälp av BOW.

Din uppgift är att bygga en logistisk regressionsmodell med datamängden movies och beräkna dess noggrannhet.

Den här övningen är en del av kursen

Sentimentanalys i Python

Visa kurs

Övningsinstruktioner

Importera funktionen för logistisk regression.
Skapa och träna en logistisk regression på etiketterna y och särdragen X.
Beräkna noggrannheten för den logistiska regressionsmodellen med standardmetoden .score().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the logistic regression
from ____.____ import ____

# Define the vector of targets and matrix of features
y = movies.label
X = movies.drop('label', axis=1)

# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____(X, y))

Redigera och kör kod