Twitter 数据的性能指标
您将训练一个逻辑回归模型来预测推文的情感，并使用不同的指标在测试集上评估其性能。
已为您创建矩阵 X。它包含在 text 列上用 BOW（词袋）生成的特征。
标签存储在名为 y 的向量中。向量 y 的取值：负向推文为 0，中性为 1，正向为 2。
请注意，尽管有 3 个类别，这仍然是一个分类问题。准确率依然衡量正确预测实例所占的比例。混淆矩阵现在将是 3x3 的大小，每一行给出对类别 2、1、0 的预测个数，每一列给出类别 2、1、0 的真实个数。
所有必需的包已为您导入。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 进行训练/测试集划分，并按
y分层。 - 训练一个逻辑回归分类器。
- 在测试集上进行预测并评估性能。
- 打印测试集上的准确率和混淆矩阵。
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 the data into training and testing sets
X_train, X_test, y_train, y_test = ____(X, y, test_size=0.3, random_state=123, ____=y)
# Train a logistic regression
log_reg = ____.____(___, ____)
# Make predictions on the test set
y_predicted = log_reg.____(___)
# Print the performance metrics
print('Accuracy score test set: ', ____(y_test, y_predicted))
print('Confusion matrix test set: \n', ____(y_test, y_predicted)/len(y_test))