Ejercicio de programación con ScikitLearn: Análisis de sentimiento

En este reto, se utilizará Scikit-Learn para desarrollar un modelo de análisis de sentimiento aplicando técnicas de preprocesamiento y vectorización de texto.

Usarás un conjunto de datos para entrenar y evaluar el modelo y seguirás un flujo de trabajo para convertire los textos en vectores numéricos, aplicar modelos de clasificación y medir su desempeño.

Carga de datos: Utiliza el conjunto de datos de "Movie Reviews" disponible en la librería nltk.corpus de NLTK. Descarga los datos necesarios y extrae las opiniones.

Preprocesamiento: Implementa funciones para manejar negaciones y normalizar repetiticiones. Utiliza herramientas como nltk para tokenizar, y regex para transformar el texto para que el modelo lo entienda mejor.

Vectorización: Convierte los textos usando TfidfVectorizer de Scikit-Learn. Configura el vectorizador para capturar n-gramas y aplica preprocesamiento personalizado.

División del dataset: Separa el dataset en entrenamiento y prueba usando train_test_split con un 80% de datos para entrenamiento.

Creación del modelo: Aplica el modelo de MultinomialNB de Scikit-Learn para clasificar los textos en positivos y negativos.

Entrenamiento del modelo: Ajusta el modelo con los datos de entrenamiento.

Evaluación: Mide el rendimiento del modelo utilizando precisión (accuracy_score) y genera un reporte de clasificación con classification_report.

Predicción: Utiliza el modelo para predecir la polaridad de nuevas reseñas de películas que no estén en el set de entrenamiento.

Programa el código en tu entorno local y pégalo en nuestro editor para evaluarlo.