使用 GBM 進行情緒分析
現在，讓我們在 reviews 資料集上使用 scikit-learn 的 GradientBoostingClassifier，根據評論文字來預測其情緒。
我們不會把原始文字直接輸入模型。以下前處理步驟已替你完成：
- 移除含有遺漏值的評論。
- 篩選出前 5 個應用程式的資料。
- 隨機抽樣 500 筆評論。
- 從評論中移除「停用詞」。
- 將評論轉換為矩陣，其中每個特徵代表某個單字在該評論中的出現頻率。
想更深入了解文字探勘嗎？可以參考這門課程：Introduction to Natural Language Processing in Python！
本練習屬於課程
Python 的 Ensemble 方法
練習說明
- 建立一個
GradientBoostingClassifier，設定100個 estimators，學習率為0.1。 - 在測試集上計算預測結果。
- 計算正確率以評估模型。
- 計算並印出混淆矩陣。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Build and fit a Gradient Boosting classifier
clf_gbm = ____(____, ____, random_state=500)
clf_gbm.fit(X_train, y_train)
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance based on the accuracy
acc = ____
print('Accuracy: {:.3f}'.format(acc))
# Get and show the Confusion Matrix
cm = ____
print(cm)