情感分析
在影片練習中，你看過序列到序列模型的多種應用。在這個練習中，你會看到如何使用預先訓練好的模型來做情感分析。
環境中已經載入了變數 model，代表模型。此外，斷詞後的測試集變數 X_test 與 y_test，以及來自 IMDb、已預先處理過的原始文字資料 sentences 也都可用。之後在課程中，你會學到如何預先處理文字資料，以及如何使用 Keras 建立並訓練模型。
你將使用這個預訓練模型來取得情感的預測。模型會回傳介於 0 到 1 的數值，代表句子為正向情感的機率。因此，你需要建立一個決策規則，把預測結果標記為正向或負向。
本練習屬於課程
使用 Keras 建立語言模型的循環神經網路（RNN）
練習說明
- 使用
.predict()方法對測試資料進行預測。 - 若預測值大於
0.5，將其設為"positive"，否則設為"negative"，並把結果存到變數pred_sentiment。 - 建立一個
pd.DataFrame，包含預先處理的文字、上一個步驟得到的預測，以及在變數y_test中的真實標籤。 - 使用
.head()方法印出前幾列。
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。
# Inspect the first sentence on `X_test`
print(X_test[0])
# Get the predicion for all the sentences
pred = model.predict(____)
# Transform the predition into positive (> 0.5) or negative (<= 0.5)
pred_sentiment = ["positive" if x>____ else "negative" for x in pred]
# Create a data frame with sentences, predictions and true values
result = pd.DataFrame({'sentence': sentences, 'y_pred': ____, 'y_true': y_test})
# Print the first lines of the data frame
print(result.____)