預測電影評論的情感極性
在上一個練習中，你已經為訓練與測試的電影評論資料產生了 bag-of-words 表示。這個練習中，我們會用這個模型來訓練一個 Naive Bayes 分類器，用於偵測電影評論的情感極性，並計算其準確率。請注意，因為這是二元分類問題，模型只能將評論分類為正面（1）或負面（0），無法偵測中立評論。
如果你不太記得，訓練與測試的 BoW 向量分別儲存在 X_train_bow 和 X_test_bow。對應的標籤分別為 y_train 和 y_test。此外，供你參考，原始的電影評論資料集為 df。
本練習屬於課程
Python 中文本特徵工程
練習說明
- 建立一個
MultinomialNB的物件，命名為clf。 - 使用
X_train_bow和y_train對clf進行訓練（fit）。 - 使用
X_test_bow和y_test來評估clf的準確率。
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。
# Create a MultinomialNB object
clf = ____
# Fit the classifier
clf.____(____, ____)
# Measure the accuracy
accuracy = clf.score(____, ____)
print("The accuracy of the classifier on the test set is %.3f" % accuracy)
# Predict the sentiment of a negative review
review = "The movie was terrible. The music was underwhelming and the acting mediocre."
prediction = clf.predict(vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))