文件名称：sentiment_analysis
文件大小：2.52MB
文件格式：ZIP
更新时间：2024-06-16 17:52:11
HTML
最终机器学习实践 机器学习和NLP用于情感分析 小组成员的信息： 姓名：Gabriel 电子邮件： 姓名：MichelleFerrínMeilá电子邮件： 工作描述 该工作的目的是使用机器学习技术，文本挖掘和自然语言处理，以实现基于评论文本来分析和预测消费者情绪的模型。 使用了来自imbd的电影评论。 可以在以下链接中找到所使用的数据集： : 。 使用通常的机器学习模型和基本的神经网络。 使用的程序是Python，使用的一些库是pandas，scikit-learn，nltk，re，keras，tensorflow和shap。 有关文件夹及其内容的信息： 数据：包含工作数据目录的文件夹，它们为空以便能够上载它们。 环境-包含用于作业的环境。 html：工作笔记本，以html格式保存。 models：包含trained_models文件夹，分类器和neural_netw
【文件预览】：
sentiment_analysis-main
----notebooks()
--------03_Hyperparameters_Optimization.ipynb(16KB)
--------01_Model_Building.ipynb(91KB)
--------04_Metrics_and_interpretability.ipynb(756KB)
--------00_Preprocess_and_EDA.ipynb(707KB)
--------02_Neural_Networks.ipynb(205KB)
----references()
--------References.html(558KB)
----src()
--------plots_metricas.ipynb(15KB)
--------operar_modelos.ipynb(2KB)
--------lectura_y_preprocesado.ipynb(5KB)
----environment()
--------practica_final_sentiment_analysis_env.yml(6KB)
----html()
--------04_Metrics_and_interpretability .html(1.32MB)
--------02_Neural_Networks.html(805KB)
--------01_Model_Building.html(674KB)
--------00_Preprocess_and_EDA .html(1.29MB)
--------03_Hyperparameters_Optimization.html(590KB)
----README.md(2KB)