文件名称：Sentiment-Analysis
文件大小：13.2MB
文件格式：ZIP
更新时间：2024-03-28 12:00:41
Python
情绪分析-COVID-19鸣叫 项目概况 在这个项目中，我为COVID-19推文创建了一个分类系统：正面，负面，中立。 我使用了朴素贝叶斯分类和词袋功能。 使用的代码和资源 的Python版本： 3.7 软件包： pandas，numpy，sklearn，matplotlib，seaborn Kaggle：数据集 数据清理 删除的网址 删除以@开头的Twitter用户名 删除主题标签 删除数字 将逗号等转换为空格 将所有字母转换为小写 执行词干，以便仅保留词根 删除了除“ not”以外的停用词 数据可视化 建筑模型 我尝试了以下两种模型。 我之所以选择MAE，是因为它相对容易解释，并且离群值对于这种类型的模型而言并不是特别糟糕。 我尝试了以下模型： 朴素贝叶斯 逻辑回归 模型表现 朴素贝叶斯（Naive Bayes） ：准确性得分= 0.61 Logistic回归：准确性得\u5206=
【文件预览】：
Sentiment-Analysis-main
----Word_cloud_All.pdf(8.89MB)
----word_counts_test_set.pdf(11KB)
----corona_tweet_sentiment-analysis.py(5KB)
----Corona_NLP_test.csv(979KB)
----word_counts_training_set.pdf(11KB)
----README.md(1KB)
----Corona_NLP_train.csv(10.01MB)