Prédire le sentiment !

Analyse de sentiments en Python

Violeta Misheva

Data Scientist

Problèmes de classification

  • Avis produits et films : sentiment positif ou négatif (classification binaire)
  • Tweets sur des compagnies aériennes : positif, neutre et négatif (classification multiclasse)
Analyse de sentiments en Python

Régressions linéaire et logistique

un graphique montrant une régression linéaire (gauche) ajustée à quelques valeurs, et une régression logistique (droite) ajustée à des valeurs similaires

Analyse de sentiments en Python

Fonction logistique

  • Régression linéaire : résultat numérique
  • Régression logistique : probabilité :

$$ Probability(sentiment=positive|review) $$

un graphique montrant une fonction logistique (sigmoïde) ajustée à quelques exemples

Analyse de sentiments en Python

Régression logistique en Python

from sklearn.linear_model import LogisticRegression

log_reg = LogisticRegression().fit(X, y)
Analyse de sentiments en Python

Mesurer les performances du modèle

Accuracy : part des prédictions correctes du modèle.

  • Plus l'accuracy est élevée et proche de 1, mieux c'est
# Accuracy via score
score = log_reg.score(X, y)
print(score)

0.9009
Analyse de sentiments en Python

Utiliser accuracy_score

# Accuracy avec accuracy_score
from sklearn.metrics import accuracy_score

y_predicted = log_reg.predict(X)
acurracy = accuracy_score(y, y_predicted)

0.9009
Analyse de sentiments en Python

Passons à la pratique !

Analyse de sentiments en Python

Preparing Video For Download...