Побудова й оцінювання моделі: дані відгуків про товари
У цій вправі ви побудуєте логістичну регресію, використовуючи набір даних reviews з відгуками клієнтів про товари Amazon. Масив y містить тональність: 1 — якщо позитивна, і 0 — інакше. Масив X містить усі числові ознаки, створені підходом BOW. За потреби досліджуйте їх в IPython Shell.
Ваше завдання — побудувати модель логістичної регресії та обчислити accuracy і матрицю неточностей (confusion matrix) на тестовій вибірці.
Функції логістичної регресії та поділу на train/test вже імпортовано для вас.
Ця вправа є частиною курсу
Аналіз тональності в Python
Інструкції до вправи
- Імпортуйте функції accuracy score і confusion matrix.
- Розбийте дані на тренувальну й тестову вибірки, використавши 30% як тестову, та встановіть випадкове зерно
42. - Натренуйте модель логістичної регресії.
- Виведіть accuracy та матрицю неточностей для тестових даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the accuracy and confusion matrix
____
# Split the data into training and testing
X_train, X_test, y_train, y_test = ____(____, ____, ____=0.3, ____=42)
# Build a logistic regression
log_reg = ____._____
# Predict the labels
y_predict = log_reg.predict(X_test)
# Print the performance metrics
print('Accuracy score of test data: ', ____(____, ____))
print('Confusion matrix of test data: \n', ____(____, ____)/len(y_test))