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, kursun bir parçasıdır
Python'da Lineer Sınıflandırıcılar
Egzersiz talimatları
- En büyük 5 katsayıya karşılık gelen kelimeleri bul.
- En küçük 5 katsayıya karşılık gelen kelimeleri bul.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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")