Düzenlileştirmeli ürün incelemeleri
Bu egzersizde, Amazon ürün incelemelerinden oluşan reviews veri kümesiyle tekrar çalışacaksın. Etiket vektörü y duygu bilgisini içerir: olumluysa 1, değilse 0. X matrisi ise BOW yaklaşımıyla oluşturulan tüm sayısal özellikleri içerir.
Test verisi üzerinde nasıl performans gösterdiklerini karşılaştırmak için iki farklı düzenlileştirme düzeyinde iki lojistik regresyon modeli eğiteceksin. Düzenlileştirmenin, modelin karmaşıklığını kontrol etme yolu olduğunu unutma. Model ne kadar çok düzenlileştirilirse o kadar az esnek olur, ancak genelleme yeteneği artar. Daha yüksek düzeyde düzenlileştirmeye sahip modeller, çoğunlukla düzenlileştirilmemiş modellere kıyasla daha az doğru olabilir.
Bu egzersiz, kursun bir parçasıdır
Python ile Duygu Analizi
Egzersiz talimatları
- Veriyi eğitim ve test kümelerine ayır.
1000düzenlileştirme parametresiyle bir lojistik regresyon eğit. İkinci bir lojistik regresyonu ise0.001düzenlileştirme parametresiyle eğit.- Test kümesi üzerinde her iki modelin doğruluk (accuracy) skorlarını yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Split data into training and testing
____, ____, ____, ____ = train_test_split(____, ____, test_size=0.2, random_state=123)
# Train a logistic regression with regularization of 1000
log_reg1 = ____(____=1000).fit(X_train, y_train)
# Train a logistic regression with regularization of 0.001
log_reg2 = ____(____=0.001).fit(X_train, y_train)
# Print the accuracies
print('Accuracy of model 1: ', log_reg1.____(____, ____))
print('Accuracy of model 2: ', log_reg2.____(____, ____))