构建并评估模型：产品评论数据
在本练习中，您将使用 reviews 数据集来构建一个逻辑回归模型。该数据集包含用户对 Amazon 产品的评论。数组 y 存放情感标签：正向为 1，否则为 0。数组 X 包含使用 BOW 方法创建的所有数值特征。您可以在 IPython Shell 中自由探索。
您的任务是构建一个逻辑回归模型，并使用测试集计算准确率和混淆矩阵。
逻辑回归模型与训练/测试集拆分函数已为您导入。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 导入准确率和混淆矩阵函数。
- 将数据拆分为训练集和测试集，其中 30% 作为测试集，并将随机种子设为
42。 - 训练一个逻辑回归模型。
- 使用测试数据打印准确率和混淆矩阵。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the accuracy and confusion matrix
____
# Split the data into training and testing
X_train, X_test, y_train, y_test = ____(____, ____, ____=0.3, ____=42)
# Build a logistic regression
log_reg = ____._____
# Predict the labels
y_predict = log_reg.predict(X_test)
# Print the performance metrics
print('Accuracy score of test data: ', ____(____, ____))
print('Confusion matrix of test data: \n', ____(____, ____)/len(y_test))