机器学习实践成果，研究的是电影评论及情感分析，内含完整的数据集和代码，可直接使用。

情感分析是文本分析的一种，它能够从一段文本描述中理解文本的感情色彩，是褒义、贬义还是中性。常见的情感分析的使用场景就是客户对商品或服务的评价、反馈，传统模式下的人工审核，不仅消耗大量人力，而且效率（速度和准确度）也不高。   这里使用Python对电影《哪吒之魔童降世》的评论进行文本分析，这种分析方式还可用于垃圾邮件的过滤、新闻的分类等场景。   分析步骤：   1、对文本数据进行预处理，包括文本缺失值重复值处理、分词、去除停用词、文本向量化。   2、描述性统计分析，统计词频、生成词云图。   3、验证性统计分析，通过方差分析进行特征选择。   4、统计建模，根据文本向量进行文本分类。 目

此文件为中国科学院大学深度学习课程实验作业整体整理出来的，包括1、中国科学院大学深度学习课程实验作业——电影评论情感分类（代码+实验报告）2、中国科学院大学深度学习课程实验作业——自动写诗（代码+实验报告）

IMDB电影评论 imdb.csv

动物 关于电影评论的团队网站项目

电影评论

电影评论分类 使用SVM，最大熵分类器，逻辑和回归（从头开始）对unigram和bigrams进行电影评论分类

情绪分析 基于电影评论的情感分类模型。

介绍 电影情感分类实验 安装 要训​​练您的 word2vec 算法，请执行 (machinelearning)JOSEPH-MISITI:kaggle-movie-reviews josephmisiti$ python train_word2vec.py Starting training using file data/text8 Vocab size: 71291 Words in train file: 16718843 有关使用 word2vec 的更多示例，请转到此处并查看此 iPython 笔记本： 构建你的功能 以下命令构建每个电影评论的段落/句子向量（无论如何都要淡化）。 python process_features.py > data/word2vec_pos_neg.csv 笔记本 我的 Kaggle 电影情绪代码

kaggle 电影评论文本情感分析（Bag of Words Meets Bags of Popcorn）数据集，和官方的一致。