Порівняння ефективності моделей n-грам
Тепер ви вмієте виконувати аналіз тональності, перетворюючи текст у різні подання n-грам і передаючи їх до класифікатора. У цій вправі ми проаналізуємо тональність тих самих відгуків про фільми, що й раніше, використовуючи дві моделі n-грам: уніграми та n-грам до n, що дорівнює 3.
Далі ми порівняємо ефективність за трьома критеріями: точність моделі на тестовій вибірці, час виконання програми та кількість ознак, створених під час формування подання n-грам.
Ця вправа є частиною курсу
Інженерія ознак для NLP у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
start_time = time.time()
# Splitting the data into training and test sets
train_X, test_X, train_y, test_y = train_test_split(df['review'], df['sentiment'], test_size=0.5, random_state=42, stratify=df['sentiment'])
# Generating ngrams
vectorizer = ___
train_X = vectorizer.fit_transform(train_X)
test_X = vectorizer.transform(test_X)
# Fit classifier
clf = MultinomialNB()
clf.fit(train_X, train_y)
# Print accuracy, time and number of dimensions
print("The program took %.3f seconds to complete. The accuracy on the test set is %.2f. The ngram representation had %i features." % (time.time() - start_time, clf.score(test_X, test_y), train_X.shape[1]))