逻辑回归用于讽刺文本检测

数据可视化探索

Pandas 内建了与 Matplotlib 的集成，可以在 pandas.Series 之上调用 .hist() 方法绘制条形统计图。
numpy.log1p() 函数的意义为计算 $\ln (1 + x)$ ，其中 $\ln (∙) = \log_{e} (∙)$ 。

词云（WordCloud 库）

WordCloud 库是由 Amueller 开发的一款 Python 小型词云生成器，它可以在 Python 2.7 和 Python 3.4 ～ 3.7 环境下安装，其 *.whl 形式软件包发布于 PyPI 和 Conda Forge 。

WordCloud 依赖于 Matplotlib ≥ 1.5.3 、Numpy ≥ 1.6.1 和 Pillow ，其中 Numpy 用于生成词云的数值表示，Pillow 用于显示词云图片，Matplotlib 用于可视化词云数值矩阵和词云文件读写。

问题：参考 WordCloud 官方文档绘制两类评论文本词云图，可自定义样式效果。
```
# 导入词云和停用词库
from wordcloud import WordCloud, STOPWORDS

cloud = WordCloud(
    # 背景颜色与停用词
    background_color='black', stopwords=STOPWORDS,
    # 词云最大单词数量和最大字号
    max_words=200, max_font_size=100,
    # 图像大小和随机种子
    width=800, height=400, random_state=17
)
# 生成词云图
_, axes = plt.subplots(nrows=1, ncols=2, figsize=(16, 9))
cloud.generate(str(train_df.loc[train_df['label'] == 1, 'comment']))
axes[0].imshow(cloud)
axes[0].axis('off')
cloud.generate(str(train_df.loc[train_df['label'] == 0, 'comment']))
axes[1].imshow(cloud)
axes[1].axis('off')
```
英语单词以空格进行分隔，分词难度远低于现代汉语。但与现代汉语相同，英语词汇中存在大量不表达含义的 停用词 （以虚词为主，例如助词、介词、冠词），对这类词汇的统计将显著降低词云绘制的效率。同时，我们设置了 max_words 参数，用于限制词云生成时展示的最大单词数量，进一步降低词云绘制复杂度。

wordcloud.WordCloud.generate() 方法是 .generate_from_text() 方法的简化，它接受一个字符串或字节数组，并在其上按英语规范执行分词统计并生成词云。由于 pandas.DataFrame.loc 属性获取的值类型为 pandas.Series ，无法被 generate() 接受，因此直接调用 str() 类型转换即可，不需要依赖 str.join() 进行字符串拼接操作。

模型解释

ELI5 库

ELI5 是一款用通用 API 可视化或调试多种机器学习模型的 Python 库。它为多种机器学习框架提供了内置支持，并提供了一种用于解释「黑盒模型」的方法。

模型改进

问题：使用构建好的 TfidfVectorizer 完成特征提取。
```
X_train_texts = tf_idf_texts.fit_transform(train_texts)
X_valid_texts = tf_idf_texts.transform(valid_texts)
X_train_subreddits = tf_idf_subreddits.fit_transform(train_subreddits)
X_valid_subreddits = tf_idf_subreddits.transform(valid_subreddits)
```
对于任意的数据集变换（例如此处的 TfidfVectorizer ），应仅对训练集调用 .fit_transform() 方法、对测试集调用 .transform() 方法。在测试集上调用 .fit_transform() 方法可能导致数据集列数不匹配。