《Python机器学习及实践：从零开始通往Kaggle竞赛之路》第4章 实战篇 学习笔记（三）4.3IMDB影评得分估计总结

目录

4.3IMDB影评得分估计

1、背景

2、下载数据

3、搭建模型

4、编程实践

5、提交结果

---

4.3IMDB影评得分估计

1、背景

“4.2Titanic罹难乘客预测总结”一节所使用的数据，不论是其形式还是规模都无法与大量现实分析任务涉及的数据相当。因此在本节，如图4-8所示，另选Kaggle上的一项竞赛任务：IMDB影评得分估计。与上节结构化良好的小规模档案数据不同的是，本节的竞赛任务要求参赛者分析电影评论网站的留言，判断每条留言的情感倾向。不仅在规模上要比泰坦尼克号乘客数据大上几个量级，而且原始数据也不及之前的格式化。

2、下载数据

IMDB影评得分估计竞赛任务一共为参赛者提供了4份不同的数据文件，其中包括：已经标有情感倾向的训练文件labeledTrainData.tsv，里面有25000条影评以及对应的情感倾向标识；待测试文件testData.tsv，同样也另有25000条电影评论；还有一份无标注但是数据量更大的影评文件unlabeledTrainData.tsv；最后是一份样例文件sampleSubmission.csv用来告知参赛者最终结果的提交格式。

3、搭建模型