สร้างและประเมินโมเดล: ข้อมูลรีวิวสินค้า
ในแบบฝึกหัดนี้ จะได้สร้าง logistic regression โดยใช้ชุดข้อมูล reviews ซึ่งประกอบด้วยรีวิวสินค้า Amazon จากลูกค้า อาร์เรย์ y เก็บค่า sentiment ได้แก่ 1 สำหรับความรู้สึกเชิงบวก และ 0 สำหรับกรณีอื่น ส่วนอาร์เรย์ X เก็บฟีเจอร์ตัวเลขทั้งหมดที่สร้างด้วยแนวทาง BOW สามารถสำรวจข้อมูลเหล่านี้ใน IPython Shell ได้ตามต้องการ
โจทย์คือการสร้างโมเดล logistic regression และคำนวณค่า accuracy พร้อม confusion matrix โดยใช้ชุดข้อมูล test
ฟังก์ชัน logistic regression และการแบ่งข้อมูล train/test ถูกนำเข้าให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Sentiment Analysis ด้วย Python
คำแนะนำการฝึกหัด
- นำเข้าฟังก์ชัน accuracy score และ confusion matrix
- แบ่งข้อมูลเป็นชุด training และ testing โดยใช้ 30% เป็นชุด test และกำหนด random seed เป็น
42 - เทรนโมเดล logistic regression
- แสดงค่า accuracy score และ confusion matrix โดยใช้ข้อมูลชุด test
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import the accuracy and confusion matrix
____
# Split the data into training and testing
X_train, X_test, y_train, y_test = ____(____, ____, ____=0.3, ____=42)
# Build a logistic regression
log_reg = ____._____
# Predict the labels
y_predict = log_reg.predict(X_test)
# Print the performance metrics
print('Accuracy score of test data: ', ____(____, ____))
print('Confusion matrix of test data: \n', ____(____, ____)/len(y_test))