https://github.com/jhostyn-2003/tf-idf-analisis-emociones

https://github.com/jhostyn-2003/tf-idf-analisis-emociones

Last synced: 28 days ago
JSON representation

• Host: GitHub
• URL: https://github.com/jhostyn-2003/tf-idf-analisis-emociones
• Owner: Jhostyn-2003
• Created: 2024-07-27T05:04:11.000Z (5 months ago)
• Default Branch: main
• Last Pushed: 2024-07-27T05:55:04.000Z (5 months ago)
• Last Synced: 2024-07-27T06:42:56.610Z (5 months ago)
• Language: Jupyter Notebook
• Size: 3.7 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 📊 Actividad: TF-IDF | Emotion Dataset

## Minería de Datos

El código de este proyecto muestra un ejemplo completo de cómo procesar, analizar y clasificar un conjunto de datos de emociones utilizando TF-IDF y un modelo de aprendizaje automático.

## 📁 Estructura del Proyecto

```

└── 📁TF-IDF

    └── 📁.ipynb_checkpoints

        └── GavilanezJhostyn_tf-idf-emotion-dataset-checkpoint.ipynb

    └── 📁archive

        └── Emotion_classify_Data.csv

    └── GavilanezJhostyn_tf-idf-emotion-dataset.ipynb

    └── README.md

    └── 📁results

        ├── corpora

    └── 📁__results___files

        └── wordcloud_result_1.png

        └── wordcloud_result_2.png

        └── wordcloud_result_3.png

        └── wordcloud_result_4.png

```

##  📦 Librerías Utilizadas

Las siguientes librerías de Python se utilizan en este proyecto:

* Pandas - Manejo de datos

* Numpy - Operaciones numéricas

* Matplotlib - Visualizaciones básicas

* Seaborn - Visualizaciones avanzadas

* NLTK - Procesamiento del lenguaje natural (PLN)

* Wordcloud - Generación de nubes de palabras

## 📊 Descripción del Proyecto

Este proyecto tiene como objetivo analizar un conjunto de datos de emociones utilizando la técnica de TF-IDF (Term Frequency-Inverse Document Frequency) para transformar el texto en características que puedan ser utilizadas por un modelo de aprendizaje automático para clasificar las emociones.

## 📝 Pasos Principales

**1.- Preprocesamiento de Datos:**

* Carga del conjunto de datos

* Limpieza de texto (eliminación de stopwords, tokenización, lematización)

**2.- Análisis Exploratorio de Datos (EDA):**

* Visualización de la distribución de las emociones

* Generación de nubes de palabras (word clouds) para las diferentes emociones

**3.- Vectorización TF-IDF:**

* Conversión del texto preprocesado en vectores TF-IDF

**4.- Entrenamiento y Evaluación del Modelo:**

* Entrenamiento de un modelo de clasificación utilizando los vectores TF-IDF

* Evaluación del modelo mediante métricas de precisión, recall y F1-score

## 📈 Resultados

Se generan varias visualizaciones que muestran el análisis exploratorio y los resultados del modelo, incluyendo:

* Distribución de las emociones en el conjunto de datos

* Nubes de palabras que destacan las palabras más frecuentes por emoción

* Métricas de evaluación del modelo de clasificación

## 🚀 Cómo Empezar

* Clona este repositorio: ```git clone https://github.com/Jhostyn-2003/TF-IDF-Analisis-emociones.git```

* Navega al directorio del proyecto: ```cd TF-IDF```

* Instala las dependencias necesarias:``` pip install -r requirements.txt```

* Ejecuta el notebook para ver el análisis completo: ```jupyter notebook GavilanezJhostyn_tf-idf-emotion-dataset.ipynb```

## ✨ Contribuciones

¡Las contribuciones son bienvenidas! Siéntete libre de abrir un issue o enviar un pull request para mejorar el proyecto.

## ⌨️ con ❤️ por Jhostyn Gavilanez