การทำ Regularization โมเดลด้วยข้อมูล Twitter

ในแบบฝึกหัดนี้จะทำงานกับข้อมูล Twitter ที่แสดงความรู้สึกของลูกค้าต่อสายการบินต่างๆ เมทริกซ์ X ของ feature และเวกเตอร์ y ของ label ถูกสร้างไว้ให้แล้ว รวมถึงการแบ่งข้อมูลสำหรับ training และ testing ก็เสร็จสิ้นแล้วเช่นกัน สามารถใช้อาร์เรย์ X_train, X_test, y_train และ y_test ได้เลย

จะได้ฝึก train โมเดลแบบมีการ regularization และโมเดลที่ยืดหยุ่นกว่า จากนั้นประเมินผลด้วยเมตริกต่างๆ

แพ็กเกจที่จำเป็นทั้งหมดถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Sentiment Analysis ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

Train โมเดล logistic regression สองตัว ได้แก่ ตัวแรกใช้พารามิเตอร์การ regularization เป็น 100 และตัวที่สองเป็น 0.1
แสดง accuracy score ของโมเดลทั้งสองตัว
แสดง confusion matrix ของโมเดลแต่ละตัว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด