Logistisk regression med Twitter-data
I den här övningen bygger du en logistisk regressionsmodell med hjälp av datamängden tweets. Målvariabeln ges av airline_sentiment, där 0 motsvarar negativa tweets, 1 neutrala och 2 positiva. Det här är alltså ett problem med flera klasser. Allt vi har lärt oss om binär klassificering gäller även för flerklass-klassificering.
Du kommer att utvärdera modellens noggrannhet med hjälp av de två olika metoderna från slides.
Funktionen för logistisk regression och noggrannhetsmåttet har redan importerats åt dig.
Den här övningen är en del av kursen
Sentimentanalys i Python
Övningsinstruktioner
- Bygg och träna en logistisk regressionsmodell med de definierade variablerna
Xochysom argument. - Beräkna noggrannheten för den logistiska regressionsmodellen.
- Förutsäg etiketterna.
- Beräkna noggrannhetsmåttet med hjälp av de förutsagda och sanna etiketterna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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: ', ____(___, ____))