N-грамами вищого порядку для аналізу тональності

Подібно до попередньої вправи, ми збудуємо класифікатор, який визначає, чи є відгук про певний фільм позитивним або негативним. Проте цього разу ми використаємо n-грами до n=2 для цього завдання.

Тренувальні відгуки у форматі n-грам доступні як X_train_ng. Відповідні тестові відгуки доступні як X_test_ng. Нарешті, використайте y_train та y_test, щоб отримати відповідно класи тональності для тренування та тестування.

Ця вправа є частиною курсу

Інженерія ознак для NLP у Python

Переглянути курс

Інструкції до вправи

Створіть екземпляр MultinomialNB і назвіть його clf_ng.
Навчіть класифікатор на X_train_ng і y_train.
Виміряйте accuracy на X_test_ng і y_test за допомогою методу score().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Define an instance of MultinomialNB 
clf_ng = ____

# Fit the classifier 
clf_ng.____(____, ____)

# Measure the accuracy 
accuracy = ____
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was not good. The plot had several holes and the acting lacked panache."
prediction = clf_ng.predict(ng_vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))

Редагувати та запускати код