解釋情感分析的預測結果
提供給你一個 model，用來將商品評論分類為正向或負向情緒。你的任務是使用 LIME，找出在指定的 text_instance 中，哪些字詞最影響模型的預測。
用於處理輸入文字的 model_predict 函式已為你預先載入。
本練習屬於課程
Python 的 Explainable AI
練習說明
- 建立一個名為
explainer的 LIME 文字 explainer。 - 針對給定的
text_instance，產生模型預測的解釋，並著重於前五個特徵。 - 顯示影響模型決策的最高貢獻字詞及其權重。
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。
from lime.lime_text import LimeTextExplainer
text_instance = "Amazing battery life and the camera quality is perfect! I highly recommend this smartphone."
# Create a LIME text explainer
explainer = ____()
# Generate the explanation
exp = explainer.____(____, model_predict, num_features=____)
# Display the explanation
exp.____()
plt.show()