เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Logistic Regression โดยใช้ข้อมูล Twitter

ในแบบฝึกหัดนี้ จะได้สร้างโมเดล logistic regression โดยใช้ชุดข้อมูล tweets โดยตัวแปรเป้าหมายคือ airline_sentiment ซึ่ง 0 หมายถึงทวีตเชิงลบ 1 หมายถึงทวีตกลาง ๆ และ 2 หมายถึงทวีตเชิงบวก นั่นคือในกรณีนี้เป็นงาน classification แบบหลายคลาส (multi-class) ซึ่งหลักการที่เรียนมาสำหรับปัญหาแบบ binary นั้นใช้ได้กับ multi-class classification เช่นกัน

จากนั้นจะประเมินความแม่นยำของโมเดลด้วยสองวิธีที่แนะนำในสไลด์

ฟังก์ชัน logistic regression และ accuracy score ได้ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Sentiment Analysis ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างและ fit โมเดล logistic regression โดยใช้ X และ y ที่กำหนดไว้เป็นอาร์กิวเมนต์
  • คำนวณความแม่นยำของโมเดล logistic regression
  • ทำนาย label
  • คำนวณ accuracy score โดยใช้ label ที่ทำนายได้และ label จริง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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: ', ____(___, ____))
แก้ไขและรันโค้ด