1. Learn
    2. /
  2. Курси
    3. /
  3. Аналіз тональності в Python
Connected

Вправа

Крок 3: Побудова класифікатора

Це останній крок у прогнозуванні сентименту. Ми дослідили та збагатили наш набір даних ознаками, пов'язаними із сентиментом, і перетворили його на числові вектори.

Ви використаєте набір даних, створений на попередніх кроках. Він містить ознаку довжини відгуків і 200 ознак, створених за допомогою векторизатора Tfidf.

Ваше завдання — навчити логістичну регресію для передбачення сентименту. Дані вже імпортовано для вас під назвою reviews_transformed. Цільова змінна називається score і є бінарною: 1, якщо відгук про продукт позитивний, і 0 — інакше.

Навчіть модель логістичної регресії та оцініть її якість на тестових даних. Наскільки добре спрацьовує модель?

Усі потрібні пакети вже імпортовано для вас.

Інструкції

100 XP
  • Виконайте поділ на train/test, відведіть 20% даних для тестування та встановіть випадкове зерно на 456.
  • Навчіть модель логістичної регресії.
  • Передбачте клас.
  • Виведіть accuracy та матрицю плутанини для тестової вибірки.