kesci-sentiment-classification

实验过程解析

本练习赛所用数据，是名为「Roman Urdu DataSet」的公开数据集。

这些数据，均为文本数据。原始数据的文本，对应三类情感标签：Positive, Negative, Netural。

本练习赛，移除了标签为Netural的数据样例。因此，练习赛中，所有数据样例的标签为Positive和Negative。

本练习赛的任务是「分类」。「分类目标」是用训练好的模型，对测试集中的文本情感进行预测，判断其情感为「Negative」或者「Positive」。

实验结果摘要：

Date	SHA	Method	AUC-train	AUC-kesci	P	R	F
20190307	8225844	random	-	0.5057	-	-	-
20190312	05a6790	rfc-1	0.8130	0.8054	0.7516	0.7542	0.7520
20190312	d4e00a1	neural_clf	0.8336	0.8357	0.7831	0.7638	0.7728
20190313	9dae25e	forest-2	0.8269	0.8229	0.7602	0.7726	0.7656
20190313	78f2dc7	neural_clf	0.8352	0.8412	0.7723	0.7806	0.7762
20190313	14075a4	soft_max	0.8369	0.8250	0.7574	0.7911	0.7739
20190313	a592ca6	soft_max	0.8641	0.8568	0.7930	0.8000	0.7965
20190313	257fbab	soft_max	0.8520	0.8474	0.7368	0.8252	0.7785
20190313	25b5456	soft_max	-	0.8658	-	-	-

Name		Name	Last commit message	Last commit date
Latest commit History 22 Commits
data		data
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
comm.py		comm.py
config.py		config.py
feature.py		feature.py
logger.py		logger.py
model.py		model.py
predict.py		predict.py
random-baseline.py		random-baseline.py
report.py		report.py
soft_max.py		soft_max.py
soft_max_cnn.py		soft_max_cnn.py
train.py		train.py
word_vec.py		word_vec.py