Logistic regression: दोबारा देखें
Python में Sentiment Analysis
Violeta Misheva
Data Scientist
Complex models और regularization
Complex models:
- Complex मॉडल जो डेटा के शोर को भी सीख ले (overfitting)
- बहुत अधिक फीचर्स या पैरामीटर्स होना
Regularization:
- मॉडल को सरल और कम complex रखने का तरीका
Logistic regression में regularization
from sklearn.linear_model import LogisticRegression
# Regularization arguments
LogisticRegression(penalty='l2', C=1.0)
- L2: सभी coefficients को शून्य की ओर सिकोड़ता है
- C के बड़े मान: कम penalization, मॉडल training डेटा पर अच्छा fit होता है.
- C के छोटे मान: ज्यादा penalization, मॉडल कम flexible.
Probability बनाम class की भविष्यवाणी
log_reg = LogisticRegression().fit(X_train, y_train)
# लेबल predict करें
y_predicted = log_reg.predict(X_test)
# probability predict करें
y_probab = log_reg.predict_proba(X_test)
Probability बनाम class की भविष्यवाणी
y_probab
array([[0.5002245, 0.4997755],
[0.4900345, 0.5099655],
...,
[0.7040499, 0.2959501]])
# class 1 की probabilities चुनें
y_probab = log_reg.predict_proba(X_test)[:, 1]
array([0.4997755, 0.5099655 ..., 0.2959501]])
Predicted probabilities के साथ model metrics
- Probabilities के साथ उपयोग करने पर ValueError उठता है.
- Accuracy score और confusion matrix classes के साथ काम करते हैं.
# Default probability encoding:
# If probability >= 0.5, then class 1 Else class 0
अभ्यास करते हैं!
Python में Sentiment Analysis
