En olumlu ve en olumsuz kelimeleri belirleme
Bu egzersizde film inceleme duyarlılık veri kümesi üzerinde eğitilmiş bir lojistik regresyonun katsayılarını yorumlamaya çalışacağız. Model nesnesi lr değişkeninde senin için zaten oluşturulup eğitildi.
Ayrıca, farklı özelliklere karşılık gelen kelimeler vocab değişkenine yüklendi. Örneğin, vocab[100] değeri "think" ise, bu 100. özelliğin ilgili film incelemesinde "think" kelimesinin kaç kez geçtiğini ifade ettiği anlamına gelir.
Bu egzersiz
Python'da Lineer Sınıflandırıcılar
kursunun bir parçasıdırEgzersiz talimatları
- En büyük 5 katsayıya karşılık gelen kelimeleri bul.
- En küçük 5 katsayıya karşılık gelen kelimeleri bul.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Get the indices of the sorted cofficients
inds_ascending = np.argsort(lr.coef_.flatten())
inds_descending = inds_ascending[::-1]
# Print the most positive words
print("Most positive words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")
# Print most negative words
print("Most negative words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")