Анализ тональности комментариев в YouTube с помощью машинного обучения (TF-IDF, LogisticRegression)

В этом видео: 00:00 - Составляем план построения классификатора 03:20 - Загружаем и знакомимся с текстами комментариев 05:56 - Предобрабатываем тексты, очищаем от лишних символов и удаляем стопслова 07:33 - Получаем частотность слов в комментариях 12:16 - Создаем красивые графики “облака тэгов“ 13:31 - Находим размеченный набор текстов для обучения алгоритма классификации 18:09 - Предобрабатываем размеченный набор данных и получаем векторные представления его текстов TF-IDF 22:34 - Классифицируем комментарии размеченного датасета с помощью логистической регрессии 27:00 - Оценим качество классификации с помощью графиков ROC-кривых и матрицы ошибок 34:42 - Выведем слова с наибольшим влиянием на прогноз классификатора 34:42 - Проведем снижение размерности TF-IDF векторов с помощью дистилляции словаря 39:35 - Примененим обученный классификатор Логистической регрессии для получения оценки негативности комментариев 42:55 - Валидируем полученные оценки, создадим графики скрипичных диаграмм распределения