เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างโมเดลจากชุดข้อมูล UFO ตอนที่ 2

ขั้นตอนสุดท้าย เราจะสร้างโมเดลโดยใช้ text vector ที่สร้างไว้ คือ desc_tfidf และใช้ลิสต์ filtered_words เพื่อกรอง text vector ลองดูว่าจะสามารถทำนาย type ของการพบเห็นจากข้อความได้หรือไม่ โดยจะใช้โมเดล Naive Bayes ในแบบฝึกหัดนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กรอง vector desc_tfidf โดยส่งลิสต์ของ filtered_words เข้าไปใน index
  • แบ่ง features filtered_text และ y ออกเป็นชุด train และ test โดยให้การกระจายของแต่ละคลาสเท่ากัน และกำหนด random_state เป็น 42
  • ใช้เมธอด .fit() ของโมเดล nb เพื่อ fit X_train และ y_train
  • แสดงผลลัพธ์ .score() ของโมเดล nb บนชุด X_test และ y_test

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Use the list of filtered words we created to filter the text vector
filtered_text = ____[:, list(____)]

# Split the X and y sets using train_test_split, setting stratify=y 
X_train, X_test, y_train, y_test = ____(____.toarray(), ____, ____, random_state=42)

# Fit nb to the training sets
____

# Print the score of nb on the test sets
____
แก้ไขและรันโค้ด