Name		Name	Last commit message	Last commit date
parent directory ..
data_in		data_in
4.1.2.EDA&preprocessing.ipynb		4.1.2.EDA&preprocessing.ipynb
4.1.4 Linear Regression with TF-IDF.ipynb		4.1.4 Linear Regression with TF-IDF.ipynb
4.1.4 Linear Regression with Word2Vec.ipynb		4.1.4 Linear Regression with Word2Vec.ipynb
4.1.5 Random Forest.ipynb		4.1.5 Random Forest.ipynb
4.1.6 RNN Classification.ipynb		4.1.6 RNN Classification.ipynb
4.1.7.CNN_Classification.ipynb		4.1.7.CNN_Classification.ipynb
4.2.2.EDA&preprocessing.ipynb		4.2.2.EDA&preprocessing.ipynb
4.2.3.Korea Sentiment Modeling.ipynb		4.2.3.Korea Sentiment Modeling.ipynb
README.md		README.md

README.md

4. 텍스트 분류

본격적으로 머신러닝과 딥러닝 모델을 가지고 자연어처리를 하는 장입니다.

가장 먼저 감정 분류 모델을 만드는 것을 통해 텍스트 분류를 실습을 해보고자 합니다.

이 장은 한글 데이터셋과 영어 데이터셋 두 가지로 나뉘어 실습을 하게 됩니다.

영어 데이터는 캐글(Kaggle)의 "Bag of Words with bag of popcorns"를 가지고 실습하게 됩니다.

한글 데이터는 네이버 영화 리뷰 데이터를 가지고 실습하게 됩니다.