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.
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper denicegroen. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €5,49. Je zit daarna nergens aan vast.
