训练数据:网站评论可以为正面 (1) 或负面 (0)(情绪)。
预测新网站评论的情绪,正面或负面,如以下示例所示:
•我喜欢这里的服务员。 他们值得信赖。
•这里的汤是最糟糕的。

1.下载 UCI Sentiment Labeled Sentences 数据集 zip 文件(请参阅以下备注中的引文)并解压缩文件。https://archive.ics.uci.edu/ml/machine-learning-databases/00331/sentiment%20labelled%20sentences.zip

2.然后开始了!

(1)创建控制台应用程序(.net core)
(2)创建数据的目录,保存数据集文件
(3)添加->新文件夹data,右击项目
(4)NuGet包增加,右击项目 :Microsoft.ML
(5)复制样本数据到data
(6)输入 引入的的名字空间

Imports System
Imports System.Collections
Imports System.IO
Imports System.Linq
Imports Microsoft.Data.DataView
Imports Microsoft.ML
Imports Microsoft.ML.Trainers
Imports Microsoft.ML.Transforms.TextModule ProgramSub Main(args As String())Console.WriteLine("Hello World!")End Sub
End Module

(7)增加属性

  Imports System
Imports System.Collections
Imports System.IO
Imports System.Linq
Imports Microsoft.Data.DataView
Imports Microsoft.ML
Imports Microsoft.ML.Trainers
Imports Microsoft.ML.Transforms.TextModule ProgramPrivate ReadOnly _dataPath As String = Path.Combine(Environment.CurrentDirectory, "data", "yelp_labelled.txt")Private ReadOnly _modelPath As String = Path.Combine(Environment.CurrentDirectory, "data", "model.zip")Public ReadOnly Property DataPath As StringGetReturn _dataPathEnd GetEnd PropertyPublic ReadOnly Property ModelPath As StringGetReturn _modelPathEnd GetEnd PropertySub Main(args As String())Console.WriteLine("Hello World!")Console.ReadKey()End Sub
End Module

创建数据集类和预测类
类文件SentimentData.vb

Imports Microsoft.ML.Data
Public Class SentimentData<LoadColumn(0)>Public SentimentText As String<LoadColumn(1), ColumnName("Label")>Public Sentiment As Boolean
End Class
Public Class SentimentPrediction<ColumnName("PredictedLabel")>Public Property Prediction() As BooleanPublic Property Probability() As DoublePublic Property Score() As DoubleEnd Class

vb.net2019- 机器学习ml.net情绪分析(1)相关推荐

  1. vb.net 2019-机器学习ml.net情绪分析(3)

    (11)评估模型,保存模型 Imports System Imports System.Collections Imports System.IO Imports System.Linq Import ...

  2. vb.net2019- 机器学习ml.net情绪分析(2)

    (8)创建机器学习上下文和加载数据函数 Imports SystemImports System.CollectionsImports System.IOImports System.LinqImpo ...

  3. ML/DL之预测分析类:利用机器学习算法进行预测分析的简介、分析、代码实现之详细攻略

    ML/DL之预测分析类:利用机器学习算法进行预测分析的简介.分析.代码实现之详细攻略 目录 机器学习算法进行预测的简介 机器学习算法进行预测的分析 机器学习算法进行预测的代码实现 机器学习算法进行预测 ...

  4. ML:机器学习模型的稳定性分析简介、常见的解决方法之详细攻略

    ML:机器学习模型的稳定性分析简介.常见的解决方法之详细攻略 目录 ML:机器学习模型的稳定性分析简介.常见的解决方法 1.增强稳健性的通用方法 2.提高模型稳定性-适合泛线性模型(如逻辑回归)-幅度 ...

  5. 朴素贝叶斯 半朴素贝叶斯_使用朴素贝叶斯和N-Gram的Twitter情绪分析

    朴素贝叶斯 半朴素贝叶斯 In this article, we'll show you how to classify a tweet into either positive or negativ ...

  6. python dlib人脸识别_python3+dlib人脸识别及情绪分析

    一.介绍 我想做的是基于人脸识别的表情(情绪)分析.看到网上也是有很多的开源库提供使用,为开发提供了很大的方便.我选择目前用的比较多的dlib库进行人脸识别与特征标定.使用python也缩短了开发周期 ...

  7. 基于大数据的情绪分析

    导语 社交媒体.电子邮件.聊天.产品评论和推荐的文本挖掘和分析已经成为几乎所有行业垂直行业研究数据模式的宝贵资源,它能够帮助企业获得更多信息.更加了解客户.预测和增强客户体验.量身定制营销活动,并协助 ...

  8. 基于大数据的情绪分析(二)

    导言 情绪分析使用机器学习算法来确定正面或负面文本内容的方式.情绪分析的示例包括: 快速了解客户评论的基调: 了解客户喜欢或不喜欢的产品或服务. 了解可能影响新客户购买决策的因素. 为企业提供市场意识 ...

  9. 年终总结:2021年五大人工智能(AI)和机器学习(ML)发展趋势

    明年,人工智能技术将在企业运营中更加根深蒂固. 人工智能(AI)和机器学习(ML)一直在改变着我们的世界,但是2020年给这两个改变游戏规则的人带来了新的机遇和紧迫性-预计2021年会有更大的发展. ...

最新文章

  1. 吐槽: 移动端缓存策略
  2. malloc函数具体解释
  3. UA MATH524 复变函数2 指数、对数与三角函数
  4. python 定时加载网页
  5. VTK:相互作用之Picking
  6. ice 服务java连接,“先进的互联互通技术”–使用ice联通php和java [part 1 server]
  7. Web 开发中应用 HTML5 技术的10个实例教程
  8. javascript中的cookie
  9. position四个属性值的关系
  10. SOA 普元EOS 工作流开发
  11. Python实现好友信息管理系统 添加、删除、修改、备注、查询好友信息
  12. 1.1 经典车间生产调度问题模型及其算法
  13. php亲戚称谓计算源码,亲戚称呼(亲戚关系计算器在线)
  14. php怎么给图片添加文字,使用php怎么给图片添加文字水印
  15. Python函数及参数
  16. 自动化测试如何计算ROI
  17. 查看、修改 nginx分布服务器ip
  18. 向数据中添加高斯噪声
  19. Mac 显示隐藏文件 如.m2
  20. 记一次海康威视的面试经历

热门文章

  1. CSS实现自适应不同大小屏幕的背景大图
  2. uva232corssword answers模拟
  3. SCGHR_存储过程(eSP_IDChangeStart)_政治面貌为什么不能正确更新
  4. 做领导应该注意的几个问题
  5. struts2+spring3.2简单demo
  6. curl参数为多维数组时提示数组到字符串的转换问题
  7. Docker基本命令与使用 —— Docker容器(一)
  8. C语言 二维数组复制、清零及打印显示
  9. python学习之 字符串前'r'的用法
  10. 如何去掉Delphi自动生成的~.pas等临时文件