Xác định các từ tích cực và tiêu cực nhất
Trong bài tập này, bạn sẽ thử diễn giải các hệ số của mô hình logistic regression được huấn luyện trên tập dữ liệu cảm xúc đánh giá phim. Đối tượng mô hình đã được khởi tạo và fit sẵn trong biến lr.
Ngoài ra, các từ tương ứng với từng đặc trưng đã được nạp vào biến vocab. Ví dụ, vì vocab[100] là "think", điều đó có nghĩa đặc trưng 100 tương ứng với số lần từ "think" xuất hiện trong bài đánh giá phim đó.
Bài tập này là một phần của khóa học
Bộ phân loại tuyến tính với Python
Hướng dẫn bài tập
- Tìm các từ tương ứng với 5 hệ số lớn nhất.
- Tìm các từ tương ứng với 5 hệ số nhỏ nhất.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Get the indices of the sorted cofficients
inds_ascending = np.argsort(lr.coef_.flatten())
inds_descending = inds_ascending[::-1]
# Print the most positive words
print("Most positive words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")
# Print most negative words
print("Most negative words: ", end="")
for i in range(5):
print(____, end=", ")
print("\n")