Логістична регресія на даних з Twitter
У цій вправі ви побудуєте модель логістичної регресії, використовуючи набір даних tweets. Цільова змінна задана стовпцем airline_sentiment, де 0 — негативні твіти, 1 — нейтральні, а 2 — позитивні. Отже, це завдання багатокласової класифікації. Усе, що ми вивчили про бінарні задачі, застосовне і до багатокласової класифікації.
Ви оціните точність моделі двома різними підходами зі слайдів.
Функцію логістичної регресії та метрику accuracy вже імпортовано для вас.
Ця вправа є частиною курсу
Аналіз тональності в Python
Інструкції до вправи
- Побудуйте та навчіть модель логістичної регресії, використавши визначені
Xіyяк аргументи. - Обчисліть точність моделі логістичної регресії.
- Передбачте мітки.
- Обчисліть accuracy score, використавши передбачені та істинні мітки.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Define the vector of targets and matrix of features
y = tweets.airline_sentiment
X = tweets.drop('airline_sentiment', axis=1)
# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____)
# Create an array of prediction
y_predict = log_reg.____
# Print the accuracy using accuracy score
print('Accuracy of logistic regression: ', ____(___, ____))