Побудуйте й оцініть модель: огляди фільмів
У цій вправі ви побудуєте модель логістичної регресії, використовуючи набір даних movies. Оцінка зберігається в стовпці label і дорівнює 1, якщо відгук позитивний, та 0, якщо негативний. Текстовий відгук було перетворено за допомогою BOW на числові стовпці.
Ви вже створили класифікатор, але оцінювали його на тих самих даних, що й під час навчання. Тепер обов'язково оцініть модель на невидимій тестовій вибірці. Як змінюється якість моделі, якщо оцінювати її на тестовому наборі?
Ця вправа є частиною курсу
Аналіз тональності в Python
Інструкції до вправи
- Імпортуйте функцію для розбиття на тренувальну й тестову вибірки.
- Виконайте розбиття, вказавши, що 20% даних слід використати як тестову вибірку.
- Навчіть модель логістичної регресії.
- Виведіть точність моделі на тренувальних і тестових даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the required packages
from sklearn.linear_model import LogisticRegression
____
# Define the vector of labels and matrix of features
y = movies.label
X = movies.drop('label', axis=1)
# Perform the train-test split
X_train, X_test, y_train, y_test = ____(X, y, ____=0.2, random_state=42)
# Build a logistic regression model and print out the accuracy
log_reg = ____.____
print('Accuracy on train set: ', log_reg.____(____, ____))
print('Accuracy on test set: ', log_reg.____(____, ____))