Het eerste verslag van de opdracht voor het vak big data scientist geschreven in R. In dit document wordt webscraping behandeld voor hotel review data. Daarnaast worden een aantal machine learning modellen behandeld.
,Inhoudsopgave
Samenvatting..........................................................................................................................................2
Introductie..............................................................................................................................................3
Gebruikte modellen................................................................................................................................4
Support Vector Machine (SVM)..........................................................................................................4
Random Forest...................................................................................................................................4
Naive Bayes........................................................................................................................................4
Het proces..............................................................................................................................................5
De data inladen..................................................................................................................................5
Kaggle dataset................................................................................................................................5
Eigen reviews toevoegen................................................................................................................5
Web scraping..................................................................................................................................6
Data voorbereiden..............................................................................................................................7
Data sentiments.................................................................................................................................9
Grafieken data sentiment.............................................................................................................12
Data cleaning....................................................................................................................................14
Training & Test sets......................................................................................................................15
Data klaarzetten voor classifiers...................................................................................................15
Modellen..............................................................................................................................................17
Support Vector Machine (SVM)........................................................................................................17
Random Forest model......................................................................................................................18
NaiveBayes model............................................................................................................................20
Resultaten............................................................................................................................................22
Conclusie..............................................................................................................................................23
Literatuurlijst........................................................................................................................................24
, Samenvatting
In dit verslag wordt er beschreven hoe machine learning toegepast kan worden via RStudio. Ik heb
voor deze opdracht gebruik gemaakt van de modellen Support Vector Machine (SVM), Random
Forest en NaiveBayes.
In deze opdracht heb ik gebruik gemaakt van het hotel reviews dataset van de site Kaggle. Deze
dataset bevat meer dan 515 duizend hotelreviews. Om deze data niet telkens opnieuw in te hoeven
laden heb ik een script geschreven die contact maakt met een database. Daarnaast heb ik ook scripts
geschreven om eigen reviews en web scraped reviews toe te kunnen voegen aan deze database.
Vervolgens ben ik gestart met een analyse naar de data binnen mijn reviews. Zo ben ik gestart met
het bekijken van mijn meest voorkomende woorden binnen de data. Daarna heb ik een sentiment
analyse gedaan naar de positieve en negatieve woorden binnen mijn datasets. De woorden die vaak
voorkomen maar geen sentimentele waarde bevatten heb ik toegevoegd aan mijn stopwoorden.
Deze stopwoorden worden later uit de data gefilterd aan de hand van corpus cleaning.
Na het opschonen van de data binnen de datasets met corpus cleaning ben ik begonnen met het
trainen van mijn modellen. Al mijn modellen hebben accuracy scores gehaald boven de 90%.
Aangezien ik met een kleine dataset gewerkt hebt tijdens het trainen en testen waren alle modellen
ook zeer snel klaar. Het random forest model was het snelste klaar van alle drie de modellen en had
de hoogste accuracy bereikt met een waarde van 100%. NaiveBayes had in eerste instantie een hele
lage accuracy waardoor de voorspelling ook niet accuraat was. Nadat ik de accuracy omhoog had
gehaald presteerde alle modellen goed en gaven ze accurate voorspellingen. Het SVM model zou het
minst geschikt zijn voor dit soort predicties wanneer er gewerkt zou worden met grotere datasets,
aangezien dit proces dan zeer vel tijd in beslag neemt.
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller denicegroen. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $5.88. You're not tied to anything after your purchase.
