Perform Sentiment Analysis with scikit-learn

4.5
звезд
Оценки: 376
от партнера
Coursera Project Network
8,126 уже зарегистрированы
В этом Проект с консультациями вы:

Build and employ a logistic regression classifier using scikit-learn

Clean and pre-process text data

Perform feature extraction with The Natural Language Toolkit (NLTK)

Tune model hyperparameters and evaluate model accuracy

Clock2 hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this project-based course, you will learn the fundamentals of sentiment analysis, and build a logistic regression model to classify movie reviews as either positive or negative. We will use the popular IMDB data set. Our goal is to use a simple logistic regression estimator from scikit-learn for document classification. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

Data ScienceMachine LearningPython ProgrammingData AnalysisScikit-Learn

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introduction and Importing the Data

  2. Transforming Documents into Feature Vectors

  3. Term Frequency-Inverse Document Frequency

  4. Calculate TF-IDF of the Term 'Is'

  5. Data Preparation

  6. Tokenization of Documents

  7. Document Classification Using Logistic Regression

  8. Load Saved Model from Disk

  9. Model Accuracy

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Преподаватели

Рецензии

Лучшие отзывы о курсе PERFORM SENTIMENT ANALYSIS WITH SCIKIT-LEARN

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.