电影评论的逻辑回归
在视频中我们了解到，逻辑回归是处理分类任务的常用方法，例如将情感分类为正面或负面。
在本练习中，您将使用 movies 影评数据集。label 列存储情感标签：当评论为正面时为 1，负面时为 0。文本评论已使用 BOW 转换为数值特征列。
您的任务是基于 movies 数据集构建一个逻辑回归模型，并计算其准确率。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 导入逻辑回归函数。
- 使用标签
y和特征X创建并拟合一个逻辑回归模型。 - 使用默认的
.score()方法计算该逻辑回归模型的准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the logistic regression
from ____.____ import ____
# Define the vector of targets and matrix of features
y = movies.label
X = movies.drop('label', axis=1)
# Build a logistic regression model and calculate the accuracy
log_reg = ____.____(X, y)
print('Accuracy of logistic regression: ', log_reg.____(X, y))