【未完成】【机器学习】（二十五）处理文本数据：电影评论的情感分析(IMDb数据集)

数据有分类特征、连续特征，同样有文本特征。

文本数据通常被表示为由字符组成的字符串，但并非所有字符串特征都被当作文本处理。

用字符串表示的数据类型：

• 分类数据
• 可以在语义上映射为类别的自由字符串：手动输入值对应固定类别
• 结构化字符串数据：手动输入值不与固定类别对应，但是存在一些内在结构，比如地址、人名。
• 文本数据：格式自由，由短语或句子组成，例如聊天记录、评论。

文本分析可应用于信息检索(IR)和自然语言处理(NLP)，数据集通常称为语料库，每个由单个文本表示的数据点被称为文档。

应用：电影评论的情感分析

1.IMDb数据集

互联网电影评论数据集(IMDb):http://ai.stanford.edu/~amaas/data/sentiment/
下载后解压，文件还挺大的，解压挺慢。是一个二分类数据集，将评分高于7分的判定“正面的pos”，否则为“负面的neg”。

load_file函数的功能是读取文件并返回文件内容为字符串。

可能是数据集下载的问题？我运行不了程序，暂未解决