含正規化的商品評論
在這個練習中，你會再次使用 Amazon 商品評論的 reviews 資料集。標籤向量 y 包含情感標籤：正向為 1，否則為 0。矩陣 X 則包含以 BOW 方法建立的所有數值特徵。
你需要訓練兩個具有不同正規化強度的羅吉斯回歸模型，並比較它們在測試資料上的表現。記住，正規化是用來控制模型複雜度的方法。正規化越強，模型越不彈性，但泛化能力通常更好。不過，正規化較強的模型往往會比未正規化的模型在訓練上不那麼精準。
本練習屬於課程
Python 情感分析
練習說明
- 將資料切分為訓練集與測試集。
- 訓練一個正規化參數為
1000的羅吉斯回歸模型。再訓練第二個正規化參數為0.001的羅吉斯回歸模型。 - 印出兩個模型在測試集上的正確率分數。
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。
# Split data into training and testing
____, ____, ____, ____ = train_test_split(____, ____, test_size=0.2, random_state=123)
# Train a logistic regression with regularization of 1000
log_reg1 = ____(____=1000).fit(X_train, y_train)
# Train a logistic regression with regularization of 0.001
log_reg2 = ____(____=0.001).fit(X_train, y_train)
# Print the accuracies
print('Accuracy of model 1: ', log_reg1.____(____, ____))
print('Accuracy of model 2: ', log_reg2.____(____, ____))