Análisis de sentimientos sobre el Covid-19
Análisis de sentimientos en torno al Covid-19
![Enlace a la imagen](https://ai.miximages.com/miro.medium.com/v2/resize:fit:640/format:webp/1*1YSfGkeyTB5Ob_UpFNQFvA.png)
Análisis de sentimiento de tweets sobre el Covid
Tabla de contenidos:
I. Obtención de los datos de Kaggle
a. Accediendo a la API de Kaggle
b. Accediendo a los datos utilizando la API de Kaggle
II. Modelado Word2Vec
III. Modelo de Sentimiento
a. Construcción del modelo de datos csv de entrenamiento
b. Precisión en el entrenamiento
IV. Aplicación del modelo de sentimiento en datos de prueba de Kaggle
V. Métricas Finales
I. Obtención de los datos de Kaggle
a. Accediendo a la API de Kaggle
Estoy utilizando Google Collaboratory para esto. Primero, instalamos kaggle en Python utilizando el siguiente código en tu cuaderno.
!pip install kaggle
A continuación, ve a kaggle.com. En kaggle.com, ve a configuración haciendo clic en tu imagen de perfil en la esquina superior derecha de la página. Una vez que estés en la página de configuración, haz clic en “crear token” bajo API y descarga el archivo kaggle.json.
- Los mejores artículos importantes de Visión por Computadora de la semana del 16/10 al 22/10
- Top Documentos LLM Importantes de la Semana del 16/10 al 22/10
- Desterrando el mito del sesgo
Es hora de subir kaggle.json a Google Collaboratory. Ejecuta este código a continuación.
from google.colab import files# Sube el archivo kaggle.json que descargaste anteriormenteuploaded = files.upload()
Este código anterior te dará un botón de carga debajo de la celda, como este:
Elige el archivo kaggle.json y súbelo a Google Collaboratory.
A continuación, necesitamos usar comandos de directorio:
!mkdir -p ~/.kaggle!mv kaggle.json ~/.kaggle/!chmod 600 ~/.kaggle/kaggle.json
Después de ejecutar lo anterior, en la siguiente línea de celda usa este código:
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Los investigadores de Meta AI presentan GenBench un marco revolucionario para avanzar en la generalización en el procesamiento del lenguaje natural.
- Aprendizaje automático en línea para la predicción de la tasa de flujo de influente de aguas residuales en tiempo real ante emergencias sin precedentes
- Revolucionando la segmentación de objetos en videos Descubriendo a Cutie con técnicas avanzadas de lectura de memoria a nivel de objetos
- Una revisión exhaustiva de los modelos de difusión de video en el Contenido Generado por Inteligencia Artificial (CGIA)
- Potencia tus soluciones de marketing con Amazon Personalize y la inteligencia artificial generativa
- Conoce a Llemma el modelo de lenguaje matemático de próxima generación que supera los estándares actuales
- Los ganadores de la beca Memorial HPC George Michael 2023 de ACM-IEEE CS han sido nombrados