Dataset之Rotten Tomatoes：Rotten Tomatoes影評數據集簡介、下載、使用方法之詳細攻略

?

?

?

目錄

Rotten Tomatoes影評數據集簡介

Rotten Tomatoes影評數據集下載

Rotten Tomatoes影評數據集使用方法

---

?

?

?

?

Rotten Tomatoes影評數據集簡介

? ? ? ?爛番茄（Rotten Tomatoes）網站影評短語數據，對電影進行評價。每個影評可以歸入下面5個類項：

• 不給力（negative），
• 不太給力（somewhat negative），
• 中等（neutral），
• 有點給力（somewhat positive）,
• 給力（positive）。

? ? ? 解釋變量不會總是直白的語言，因為影評內容千差萬別，有諷刺的，否定的，以及其他語義的表述，語義并不直白，這些都會讓分類充滿挑戰。

? ? ? Sentiment是響應變量，0是不給力（negative），4是給力（positive），其他以此類推。Phrase列是影評的內容。影評中每句話都被分割成一行。我們不需要考慮PhraseId列和SentenceId列。
? ? ?通過下邊的代碼，可以看出，近51%都是評價為2中等（neutral）的電影。可見，在這個問題里，準確率不是一個有信息量的評價指標，因為即使很爛的分類器預測出中等水平的結果，其準確率也是51%。3有點給力（somewhat positive）的電影占21%, 4給力（positive）的電影占6%，共占27%。剩下的21%就是不給力（negative），不太給力（somewhat negative）的電影。

?

Rotten Tomatoes影評數據集下載

Rotten Tomatoes影評數據集下載

?

?

Rotten Tomatoes影評數據集使用方法

import zipfile # 壓縮節省空間 z = zipfile.ZipFile('mlslpic/train.zip') df = pd.read_csv(z.open(z.namelist()[0]), header=0, delimiter='\t')df.head() df.count() ------------------------- PhraseId 156060 SentenceId 156060 Phrase 156060 Sentiment 156060 dtype: int64df.Phrase.head(10) df.Sentiment.describe() ----------------------- count 156060.000000 mean 2.063578 std 0.893832 min 0.000000 25% 2.000000 50% 2.000000 75% 3.000000 max 4.000000 Name: Sentiment, dtype: float64df.Sentiment.value_counts() ----------------------- 2 79582 3 32927 1 27273 4 9206 0 7072 dtype: int64df.Sentiment.value_counts()/df.Sentiment.count() 2 0.509945 3 0.210989 1 0.174760 4 0.058990 0 0.045316 dtype: float64可以看出，近51%都是評價為2中等（neutral）的電影。可見，在這個問題里，準確率不是一個有信息量的評價指標， 因為即使很爛的分類器預測出中等水平的結果，其準確率也是51%。3有點給力（somewhat positive）的電影占21%, 4給力（positive）的電影占6%，共占27%。剩下的21%就是不給力（negative），不太給力（somewhat negative）的電影。

?

?

?

總結

以上是生活随笔為你收集整理的Dataset之Rotten Tomatoes：Rotten Tomatoes影评数据集简介、下载、使用方法之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。