用于情感分析的高阶 n-gram

与之前的练习类似，我们将构建一个分类器，用于判断某部电影的评论是正面还是负面。不过这一次，我们将使用最高到 n=2 的 n-gram 来完成任务。

n-gram 训练集评论可通过 X_train_ng 获取。相应的测试集评论可通过 X_test_ng 获取。最后，请使用 y_train 和 y_test 分别访问训练集和测试集的情感类别。

本练习是课程的一部分

Python 中的 NLP 特征工程

查看课程

练习说明

定义一个 MultinomialNB 的实例，命名为 clf_ng。
在 X_train_ng 和 y_train 上训练该分类器。
使用 score() 方法在 X_test_ng 和 y_test 上评估 accuracy。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Define an instance of MultinomialNB 
clf_ng = ____

# Fit the classifier 
clf_ng.____(____, ____)

# Measure the accuracy 
accuracy = ____
print("The accuracy of the classifier on the test set is %.3f" % accuracy)

# Predict the sentiment of a negative review
review = "The movie was not good. The plot had several holes and the acting lacked panache."
prediction = clf_ng.predict(ng_vectorizer.transform([review]))[0]
print("The sentiment predicted by the classifier is %i" % (prediction))

编辑并运行代码