带正则化的商品评论
在本练习中，您将再次使用 Amazon 商品评论的数据集 reviews。标签向量 y 表示情感：正面为 1，否则为 0。矩阵 X 包含使用 BOW 方法创建的所有数值特征。
您需要训练两个具有不同正则化强度的逻辑回归模型，并比较它们在测试数据上的表现。请记住，正则化用于控制模型复杂度。正则化越强，模型越不灵活，但泛化能力可能更好。正则化更强的模型往往比不使用正则化的模型准确率更低。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 将数据划分为训练集和测试集。
- 训练一个正则化参数为
1000的逻辑回归模型。再训练一个正则化参数为0.001的逻辑回归模型。 - 在测试集上打印两个模型的准确率分数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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.____(____, ____))