Skip to content

Latest commit

 

History

History

4.TEXT_CLASSIFICATION

Folders and files

NameName
Last commit message
Last commit date

parent directory

..

data_in

data_in

 
 

.gitignore

.gitignore

 
 

4.1.2.EDA&preprocessing.ipynb

4.1.2.EDA&preprocessing.ipynb

 
 

4.1.4 Logistic Regression with TF-IDF.ipynb

4.1.4 Logistic Regression with TF-IDF.ipynb

 
 

4.1.4 Logistic Regression with Word2Vec.ipynb

4.1.4 Logistic Regression with Word2Vec.ipynb

 
 

4.1.5 Random Forest.ipynb

4.1.5 Random Forest.ipynb

 
 

4.1.6 RNN Classification.ipynb

4.1.6 RNN Classification.ipynb

 
 

4.1.7.CNN_Classification.ipynb

4.1.7.CNN_Classification.ipynb

 
 

4.2.2.EDA&preprocessing.ipynb

4.2.2.EDA&preprocessing.ipynb

 
 

4.2.3.Korea Sentiment Modeling.ipynb

4.2.3.Korea Sentiment Modeling.ipynb

 
 

README.md

README.md

 
 

README.md

4. 텍스트 분류

본격적으로 머신러닝과 딥러닝 모델을 가지고 자연어처리를 하는 장입니다.

가장 먼저 감정 분류 모델을 만드는 것을 통해 텍스트 분류를 실습을 해보고자 합니다.

이 장은 한글 데이터셋과 영어 데이터셋 두 가지로 나뉘어 실습을 하게 됩니다.

영어 데이터

영어 데이터는 캐글(Kaggle)의 "Bag of Words with bag of popcorns"를 가지고 실습하게 됩니다.

실습 내용

한글 데이터

한글 데이터는 네이버 영화 리뷰 데이터를 가지고 실습하게 됩니다.

실습 내용