该案例选取中文外卖评论数据集，该数据集包括外卖订单的评论以及每条评论对应的情感，0表示消极情感，1表示积极情感。对评论进行分词、去停用词等数据清洗操作，用TF-IDF算法构建词向量。使用逻辑回归算法训练评论情绪识别模型。最后把评论的情感真实值和预测值进行对比，用混淆矩阵对预测效果进行可视化。

中文外卖评论数据集包含两列数据，其中review列为评论文本，label列标签列，0表示消极情感，1表示积极情感，共包含11987条评论，其中消极评论7987条，积极评论 4000条。数据集中的部分评论数据如下表所示。

结果显示该数据集不存在缺失数据。

查看是否存在重复行。

结果显示该数据集不存在重复行。

用柱状图对评论的情感值进行可视化。

发现该数据集存在数据不均衡情况，消极情感的样本有近8000条，积极情感的样本有近4000条。

为了加快模型训练速度，我们使用无放回抽样的方法从11987条样本中随机抽取2000条数据。

对评论文本进行分词。

加载哈工大停用词表。

去除停用词，并查看去停用词后的效果。发现标点符号和”的“、”吧“等无意义的词语都被去除了。

用TF-IDF算法对词语进行向量化，此时选择的词向量维度为200。

采用分层抽样的方法，分层列设置为label，以4：1的比例划分训练集和测试集。

构建逻辑回归分类器，因为该数据集存在数据不均衡情况，所以将类别权重参数设置为Balanced。

使用训练好的逻辑回归分类器对测试集数据进行预测，得到预测结果label_predict。

进行模型评估，得到分类报告、混淆矩阵和ROC曲线。

分类准确率达到0.83，精确率为0.81，召回率0.82，F1值为0.81。ROC_AUC(ROC曲线下的面积) 为0.9。

该案例对评论进行分词、去停用词等数据清洗，用TF-IDF算法构建词向量。利用逻辑回归分类器训练对数居进行训练，发现逻辑回归分类器的分类效果较好。总体的准确率达到0.83，精确率为0.81，召回率0.82，F1值为0.81。ROC_AUC (ROC曲线下的面积) 为0.9。