NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

目录

相关文章

NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+TfidfVectorizer)实现文本情感分类—五分类预测

NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

输出结果

数据集

设计思路​编辑

核心代码

---

相关文章

NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+TfidfVectorizer)实现文本情感分类—五分类预测

https://yunyaniu.blog.youkuaiyun.com/article/details/87707184

NLP之Sentiment之NB/LoR：基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

https://yunyaniu.blog.youkuaiyun.com/article/details/87696356

基于Rotten Tomatoes影评数据集利用NB(朴素贝叶斯)、LoR(逻辑斯蒂回归)算法(+CountVectorizer)进行文本情感分类—五分类预测

输出结果

数据集详见：Dataset之Rotten Tomatoes：Rotten Tomatoes影评数据集简介、下载、使用方法之详细攻略

数据集

设计思路

核心代码

x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=1234)
x_train = co.transform(x_train)
x_test = co.transform(x_test)


classifier = MultinomialNB()
classifier.fit(x_train,y_train)

lg = LogisticRegression(C=4, dual=True)
lg.fit(x_train,y_train)