Objetivo

Comprender cómo se implementa un clasificador Bayesiano para el procesamiento de lenguaje natural.

Descripción

Conocerás cuáles son los principales clasificadores de texto y cómo implementar un clasificador Bayesiano en Python.

Haz clic para revisar la explicación.

Clasificación de texto

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa el siguiente video:

Para conocer más sobre, clasificación de texto, te recomendamos revisar el siguiente video:

Simplilearn. (2020, 5 de octubre). Text Classification Using Naive Bayes | Naive Bayes Algorithm In Machine Learning | Simplilearn [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=60pqgfT5tZM

Objetivo

Crear un predictor a partir de un modelo corpus e interpretar los resultados.

Instrucciones

1. Crear un modelo, a partir de los datos de entrenamiento, utilizando algún corpus de scikit-learn tales como “wine dataset”, “diabetes”, etc.
2. Con el modelo construido, realiza predicciones utilizando el conjunto de datos de prueba y almacena los resultados en una variable nombrada y_pred.
3. Importa el módulo metrics de scikit-learn y evalúa el modelo construido utilizando accuracy_score.
4. Mejora los resultados de la predicción. Utiliza el apartado de supervised learning en el sitio oficial de scikit-learn en Internet para proponer mejoras al clasificador, ya sea modificando sus parámetros o utilizando algún otro.

Checklist

Asegúrate de:

• Realizar la predicción utilizando el conjunto de pruebas.
• Analizar los resultados de la predicción.
• Proponer mejoras al modelo y justificarlas con el métrico accuracy.