GBM ile duygu analizi

Şimdi reviews veri kümesinde, bir yorumun metnine bakarak duygu durumunu tahmin etmek için scikit-learn'ün GradientBoostingClassifier modelini kullanalım.

Ham metni modeli beslemek için doğrudan kullanmayacağız. Senin için şu ön işleme adımları uygulandı:

Eksik değer içeren yorumlar kaldırıldı.
En popüler 5 uygulamadan gelen veriler seçildi.
Rastgele 500 yorumluk bir alt örneklem seçildi.
Yorumlardan "stop words" çıkarıldı.
Yorumlar, her bir özelliğin bir yorumdaki bir kelimenin frekansını temsil ettiği bir matrise dönüştürüldü.

Metin madenciliğini daha derinlemesine öğrenmek ister misin? O halde Introduction to Natural Language Processing in Python kursuna göz at!

Bu egzersiz, kursun bir parçasıdır

Python'da Ensemble Yöntemleri

Kursa Göz Atın

Egzersiz talimatları

100 tahminleyici ve 0.1 öğrenme oranı ile bir GradientBoostingClassifier kur.
Test kümesi üzerinde tahminleri hesapla.
Modeli değerlendirmek için doğruluğu (accuracy) hesapla.
Karmaşıklık (confusion) matrisini hesapla ve yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Build and fit a Gradient Boosting classifier
clf_gbm = ____(____, ____, random_state=500)
clf_gbm.fit(X_train, y_train)

# Calculate the predictions on the test set
pred = ____

# Evaluate the performance based on the accuracy
acc = ____
print('Accuracy: {:.3f}'.format(acc))

# Get and show the Confusion Matrix
cm = ____
print(cm)

Kodu Düzenle ve Çalıştır