กรณีใช้งานของวิทยาการข้อมูลสามารถเชื่อมโยงได้เกือบทุกอุตสาหกรรมที่มีหรือสามารถสะสมข้อมูลจำนวนมากได้ ร้านค้าและเว็บไซต์อีคอมเมิร์ซคือต้นทางของประสบการณ์จริงของลูกค้าที่ถูกดึงดูดด้วยแคมเปญการตลาด และเป็นที่ที่มีการเก็บข้อมูลการซื้อที่มีคุณค่าของแบรนด์หรือบริษัทหนึ่งๆ ที่นี่เองที่ผู้คนตัดสินใจขั้นสุดท้ายว่าจะซื้อสินค้าชิ้นหนึ่งหรือไม่ จะสนใจสิ่งอื่นที่เดิมไม่ได้ตั้งใจจะซื้อหรือไม่ พร้อมทั้งยอมจ่ายเท่าไร จะกลับมาที่ร้านนี้อีกหรือไม่ และจะทิ้งรีวิวเกี่ยวกับประสบการณ์การใช้งานไว้อย่างไรบ้าง
ที่จริงแล้ว รีวิวของลูกค้าเป็นแหล่งข้อมูลชั้นดีสำหรับการวิเคราะห์และทำความเข้าใจว่าส่วนใดในกระบวนการขายทั้งหมดที่ควรปรับปรุงหรือเสริมให้แข็งแรง การวิเคราะห์ข้อมูลในลักษณะนี้ช่วยลดต้นทุน เพิ่มประสิทธิภาพการปฏิบัติงาน ยกระดับประสบการณ์ลูกค้า เปิดโอกาสใหม่ๆ ขยายธุรกิจ และท้ายที่สุดเพิ่มรายได้ มาดูกันอย่างใกล้ชิดว่าข้อมูลล้ำค่านี้สามารถนำมาวิเคราะห์และสร้างแบบจำลองด้วยอัลกอริทึมวิทยาการข้อมูลได้อย่างไร เพื่อค้นหาอินไซต์ที่ซ่อนอยู่และจับใจความโดยรวมจากลูกค้าแต่ละราย
กรณีใช้งาน Data Science ในงานขาย: การวิเคราะห์อารมณ์ความรู้สึกของลูกค้า
การวิเคราะห์อารมณ์ความรู้สึกของลูกค้าเป็นกระบวนการอัตโนมัติในการระบุอารมณ์ของลูกค้าเมื่อใช้บริการหรือผลิตภัณฑ์ของบริษัทหนึ่งๆ โดยทั่วไปเป็นข้อมูลข้อความที่ไม่มีโครงสร้าง ซึ่งเก็บมาจากแบบสำรวจออนไลน์ โซเชียลมีเดีย ทิกเก็ตซัพพอร์ต แบบฟอร์มคำติชม รีวิวสินค้า ฟอรัม สายโทรศัพท์ อีเมล และแชตบอต ในแมชชีนเลิร์นนิง การวิเคราะห์อารมณ์ความรู้สึกทำผ่านการประมวลผลภาษาธรรมชาติ (NLP) ที่ใช้วิธีเชิงสถิติและภาษาศาสตร์เพื่อดึงอารมณ์เชิงบวก เชิงลบ และเป็นกลางตรงจากข้อมูลข้อความ โดยหลักแล้วจะให้ผลลัพธ์เป็นสองพารามิเตอร์:
Polarity: บ่งชี้ว่าอารมณ์เป็นเชิงบวกหรือลบ
Magnitude: บ่งชี้ความรุนแรงของอารมณ์นั้น
การวิเคราะห์อารมณ์ความรู้สึกของลูกค้าเป็นเครื่องมือสำคัญสำหรับธุรกิจสมัยใหม่ เพราะช่วยให้ได้อินไซต์ที่นำไปใช้ได้จริง มองเห็นและแก้ปัญหาสำคัญที่เกิดซ้ำซึ่งทำให้ลูกค้าไม่พอใจ เสริมฟีเจอร์ของผลิตภัณฑ์หรือบริการที่ก่อให้เกิดอารมณ์เชิงบวก และโดยรวมช่วยให้ตัดสินใจเชิงข้อมูลได้มีประสิทธิภาพมากขึ้น ในระดับที่ลงลึกยิ่งขึ้น การวิเคราะห์อารมณ์ช่วยให้:
ยกระดับงานบริการลูกค้าและส่งผลให้ประสบการณ์ดีขึ้น
เพิ่มความภักดีของลูกค้า
ลดอัตราการยกเลิกใช้บริการ
อัปเกรดผลิตภัณฑ์และบริการได้ทันเวลา
ปรับแคมเปญการตลาดให้เหมาะสม
คาดการณ์เทรนด์และตลาดใหม่
รักษาชื่อเสียงที่ดีของบริษัท
เพิ่มกำไร
เช่นเดียวกับงานวิเคราะห์ข้อความอื่นๆ ระหว่างการวิเคราะห์อารมณ์ของลูกค้าอาจพบหลุมพรางบางอย่าง ตัวอย่างเช่น อัลกอริทึม NLP อาจไม่เข้าใจถ้อยคำประชดประชันในรีวิวบางรายการและจัดหมวดหมู่ผิดพลาด อีกทั้งบางครั้งอาจตีความตัวย่อเฉพาะทางมากๆ หรือคำสแลงที่ไม่ค่อยใช้ไม่ออก
การเตรียมชุดข้อมูล
มาลองดูการทำงานของการวิเคราะห์อารมณ์ในทางปฏิบัติ โดยใช้ชุดข้อมูลรีวิวภาพยนตร์จาก IMDB:
import pandas as pd
movies = pd. read_csv( 'movies.csv' , index_col= 0 ) . reset_index( drop= True )
print ( f'Number of reviews: { movies. shape[ 0 ] : , } \n' )
print ( movies. head( ) ) ขับเคลื่อนโดย Number of reviews: 7 , 501
review label
0 This short spoof can be found on Elite's Mille. . . 0
1 A singularly unfunny musical comedy that artif. . . 0
2 An excellent series, masterfully acted and dir . . . 1
3 The master of movie spectacle Cecil B. De Mill. . . 1
4 I was gifted with this movie as it had such a . . . 0 ขับเคลื่อนโดย มีสองคอลัมน์: คอลัมน์หนึ่งเป็นข้อความของแต่ละรีวิว และอีกคอลัมน์เป็นการประเมินอารมณ์โดยรวมว่าเป็นบวก (1) หรือลบ (0)
มาคำนวณสัดส่วนเปอร์เซ็นต์ของรีวิวเชิงบวกและเชิงลบกัน:
round ( movies[ 'label' ] . value_counts( ) * 100 / len ( movies[ 'label' ] ) ) . convert_dtypes( ) ขับเคลื่อนโดย 0 50
1 50
Name: label, dtype: Int64ขับเคลื่อนโดย ดังนั้น สัดส่วนรีวิวเชิงบวกและเชิงลบจึงเกือบเท่ากัน
การใช้วิธี BOW
ขั้นต่อไปคือต้องแปลงข้อมูลข้อความให้เป็นเชิงตัวเลข เพราะโมเดลแมชชีนเลิร์นนิงทำงานได้กับฟีเจอร์แบบตัวเลขเท่านั้น โดยเฉพาะเราจะสร้างฟีเจอร์ที่นับจำนวนครั้งที่แต่ละคำปรากฏในรีวิว วิธีพื้นฐานและตรงไปตรงมาที่สุดคือ bag-of-words (BOW) ซึ่งจะสร้างคลังคำจากคำทั้งหมดที่เกิดขึ้นในเอกสาร และนับความถี่ของแต่ละคำในแต่ละรีวิว ผลลัพธ์คือจะได้ฟีเจอร์ใหม่หนึ่งฟีเจอร์ต่อหนึ่งคำ พร้อมค่าความถี่ที่สอดคล้องกัน
มาลองใช้วิธี BOW กับชุดข้อมูลของเรา:
from sklearn. feature_extraction. text import CountVectorizer
vect = CountVectorizer( max_features= 200 )
vect. fit( movies. review)
X_review = vect. transform( movies. review)
X_df = pd. DataFrame( X_review. toarray( ) , columns= vect. get_feature_names( ) )
movies_bow = pd. concat( [ movies[ 'label' ] , X_df] , axis= 1 )
print ( movies_bow. head( ) ) ขับเคลื่อนโดย label 10 about acting action actors actually after again all . . . \
0 0 0 0 0 0 0 0 0 0 0 . . .
1 0 1 0 1 0 1 0 0 0 3 . . .
2 1 0 0 0 0 0 0 1 0 0 . . .
3 1 0 0 0 1 0 0 0 0 0 . . .
4 0 1 0 0 1 0 0 0 0 3 . . .
will with without work world would years you young your
0 0 1 0 0 0 1 0 0 0 0
1 2 7 1 0 0 2 0 3 0 2
2 0 2 0 0 0 0 0 0 1 0
3 0 0 0 0 0 0 0 1 1 0
4 0 2 0 1 0 0 0 0 0 0
[ 5 rows x 201 columns] ขับเคลื่อนโดย ข้างต้น เราใช้พารามิเตอร์เสริม max_features เพื่อพิจารณาเฉพาะ 200 คำที่ใช้บ่อยที่สุด และหลีกเลี่ยงการ overfitting ของโมเดลที่อาจเกิดขึ้น
การใช้โมเดลแมชชีนเลิร์นนิงแบบกำกับเพื่อพยากรณ์อารมณ์ความรู้สึก
ต่อไปจะใช้โมเดลแมชชีนเลิร์นนิงแบบกำกับเพื่อพยากรณ์อารมณ์ความรู้สึก เนื่องจากเป้าหมายคือประเมินว่าอารมณ์จากรีวิวใหม่จัดอยู่ในหมวดบวกหรือลบ โดยอ้างอิงจากรีวิวที่ติดป้ายกำกับไว้แล้ว เราจึงกำลังจัดการกับปัญหาจำแนกประเภทอีกครั้ง คราวนี้มาลองใช้อัลกอริทึมโลจิสติกรีเกรสชันและวัดความแม่นยำของโมเดล:
Accuracy score: 0.754
Confusion matrix:
[ [ 37.62772101 13.23856064 ]
[ 11.32829853 37.80541981 ] ] ขับเคลื่อนโดย จะเห็นว่าโมเดลติดป้ายกำกับรีวิวที่เป็นบวกทั้งหมด 11% ว่าเป็นลบ และ 13% ว่าเป็นบวกทั้งที่เป็นลบ วิธีต่อไปที่อาจช่วยเพิ่มความแม่นยำของโมเดล ได้แก่ การตัดคำหยุด (เช่น คำที่มีข้อมูลต่ำแต่พบได้บ่อยมากอย่าง "about", "will", "you" เป็นต้น) และการเพิ่มขนาดคลังคำ
เมื่อใช้วิธี BOW เราอาจได้ฟีเจอร์ใหม่เป็นหลักร้อยหรือหลักพันคอลัมน์ในดาต้าเฟรม ซึ่งอาจนำไปสู่การสร้างโมเดลที่ซับซ้อนเกินไป มีการ overfit และมีฟีเจอร์กับพารามิเตอร์ที่ไม่จำเป็นมากเกินไป วิธีหนึ่งที่ช่วยแก้คือการทำ regularization ซึ่งจำกัดฟังก์ชันของโมเดล พารามิเตอร์ที่ต้องปรับคือ C ซึ่งแทนความแรงของ regularization มาลองทดสอบค่า C สองค่า: 100 และ 0.1 แล้วดูว่าค่าใดให้ประสิทธิภาพดีที่สุดบนข้อมูลทดสอบ:
lr_1 = LogisticRegression( C= 100 )
lr_1. fit( X_train, y_train)
predictions_1 = lr_1. predict( X_test)
lr_2 = LogisticRegression( C= 0.1 )
lr_2. fit( X_train, y_train)
predictions_2 = lr_2. predict( X_test)
print ( f'Accuracy score, lr_1 model: { round ( accuracy_score( y_test, predictions_1) , 3 ) } \n' f'Accuracy score, lr_2 model: { round ( accuracy_score( y_test, predictions_2) , 3 ) } \n\n' f'Confusion matrix for lr_1 model, %:\n { confusion_matrix( y_test, predictions_1) / len ( y_test) * 100 } \n\n' f'Confusion matrix for lr_2 model, %:\n { confusion_matrix( y_test, predictions_2) / len ( y_test) * 100 } ' ) ขับเคลื่อนโดย Accuracy score, lr_1 model: 0.753
Accuracy score, lr_2 model: 0.756
Confusion matrix for lr_1 model, % :
[ [ 37.53887161 13.32741004 ]
[ 11.32829853 37.80541981 ] ]
Confusion matrix for lr_2 model, % :
[ [ 37.67214571 13.19413594 ]
[ 11.19502443 37.93869391 ] ] ขับเคลื่อนโดย ความต่างของความแม่นยำเมื่อใช้ค่าพารามิเตอร์ C ที่เลือกมานั้นน้อยมาก อาจหาได้ค่าที่ช่วยเพิ่มประสิทธิภาพของโมเดลมากขึ้นโดยทดลองกับค่าอื่นเพิ่มเติม อย่างไรก็ตาม ที่นี่เรามีฟีเจอร์ใหม่เพียง 200 ตัว โมเดลจึงไม่ซับซ้อนนัก และขั้นตอน regularization จึงไม่จำเป็นมากในกรณีนี้
แทนที่จะพยากรณ์ป้ายกำกับ 0 หรือ 1 ด้วยฟังก์ชัน predict สามารถพยากรณ์ความน่าจะเป็นของอารมณ์ได้ด้วย predict_proba ทั้งนี้ต้องคำนึงว่าไม่สามารถนำ accuracy score หรือ confusion matrix มาใช้กับค่าความน่าจะเป็นโดยตรงได้ เพราะเมตริกเหล่านี้ทำงานกับคลาสเท่านั้น จึงต้องเข้ารหัสกลับเป็นคลาสอีกครั้ง โดยปริยายแล้ว ความน่าจะเป็นตั้งแต่ 0.5 ขึ้นไปจะแปลงเป็นคลาส 1 มิฉะนั้นเป็นคลาส 0
lr = LogisticRegression( )
lr. fit( X_train, y_train)
predictions_prob_0 = lr. predict_proba( X_test) [ : , 0 ]
predictions_prob_1 = lr. predict_proba( X_test) [ : , 1 ]
print ( f'First 10 predicted probabilities of class 0: { predictions_prob_0[ : 10 ] . round ( 3 ) } \n' f'First 10 predicted probabilities of class 1: { predictions_prob_1[ : 10 ] . round ( 3 ) } ' ) ขับเคลื่อนโดย First 10 predicted probabilities of class 0 : [ 0.246 0.143 0.123 0.708 0.001 0.828 0.204 0.531 0.121 0.515 ]
First 10 predicted probabilities of class 1 : [ 0.754 0.857 0.877 0.292 0.999 0.172 0.796 0.469 0.879 0.485 ] ขับเคลื่อนโดย สรุป
ยังมีแนวทางที่เป็นประโยชน์อีกมากมายที่สามารถประยุกต์ใช้กับชุดข้อมูลเพื่อทำการวิเคราะห์อารมณ์เชิงลึกมากขึ้น:
ใช้ n-grams (ชุดคำ) แทนคำเดี่ยวเพื่อคงบริบท
ตัดคำหยุด
จำกัดขนาดคลังคำโดยอิงจากค่าความถี่สูงสุดหรือต่ำสุด
สร้างฟีเจอร์เชิงตัวเลขเพิ่มเติมเพื่ออธิบายความยาวของแต่ละรีวิวหรือจำนวนเครื่องหมายวรรคตอน (ซึ่งบางครั้งสัมพันธ์กับความรุนแรงของอารมณ์)
ตัดตัวเลข อักขระบางชนิด คำที่ยาวตามเกณฑ์หนึ่ง หรือพิจารณาแพตเทิร์นคำที่ซับซ้อนกว่า
ใช้ stemming และ lemmatization คือการลดคำให้เหลือรากศัพท์
ใช้วิธีที่ซับซ้อนกว่า BOW ในการสร้างคลังคำ เช่น TfIdf (term frequency–inverse document frequency) ที่คำนึงถึงความถี่ของคำในรีวิวเทียบกับรีวิวอื่นๆ
ใช้ไลบรารีเฉพาะทางเพื่อการวิเคราะห์อารมณ์ เช่น TextBlob, SentiWordNet, VADER (Valence Aware Dictionary and Sentiment Reasoner)
หากสนใจสำรวจเทคนิคเหล่านี้และวิธีที่มีประโยชน์อื่นๆ สำหรับการวิเคราะห์อารมณ์อย่างมีอินไซต์ ลองดูคอร์ส Sentiment Analysis in Python ได้เลย
กรณีใช้งานของวิทยาการข้อมูลสามารถเชื่อมโยงได้เกือบทุกอุตสาหกรรมที่มีหรือสามารถสะสมข้อมูลจำนวนมากได้ ร้านค้าและเว็บไซต์อีคอมเมิร์ซคือต้นทางของประสบการณ์จริงของลูกค้าที่ถูกดึงดูดด้วยแคมเปญการตลาด และเป็นที่ที่มีการเก็บข้อมูลการซื้อที่มีคุณค่าของแบรนด์หรือบริษัทหนึ่งๆ ที่นี่เองที่ผู้คนตัดสินใจขั้นสุดท้ายว่าจะซื้อสินค้าชิ้นหนึ่งหรือไม่ จะสนใจสิ่งอื่นที่เดิมไม่ได้ตั้งใจจะซื้อหรือไม่ พร้อมทั้งยอมจ่ายเท่าไร จะกลับมาที่ร้านนี้อีกหรือไม่ และจะทิ้งรีวิวเกี่ยวกับประสบการณ์การใช้งานไว้อย่างไรบ้าง
ที่จริงแล้ว รีวิวของลูกค้าเป็นแหล่งข้อมูลชั้นดีสำหรับการวิเคราะห์และทำความเข้าใจว่าส่วนใดในกระบวนการขายทั้งหมดที่ควรปรับปรุงหรือเสริมให้แข็งแรง การวิเคราะห์ข้อมูลในลักษณะนี้ช่วยลดต้นทุน เพิ่มประสิทธิภาพการปฏิบัติงาน ยกระดับประสบการณ์ลูกค้า เปิดโอกาสใหม่ๆ ขยายธุรกิจ และท้ายที่สุดเพิ่มรายได้ มาดูกันอย่างใกล้ชิดว่าข้อมูลล้ำค่านี้สามารถนำมาวิเคราะห์และสร้างแบบจำลองด้วยอัลกอริทึมวิทยาการข้อมูลได้อย่างไร เพื่อค้นหาอินไซต์ที่ซ่อนอยู่และจับใจความโดยรวมจากลูกค้าแต่ละราย
กรณีใช้งาน Data Science ในงานขาย: การวิเคราะห์อารมณ์ความรู้สึกของลูกค้า
การวิเคราะห์อารมณ์ความรู้สึกของลูกค้าเป็นกระบวนการอัตโนมัติในการระบุอารมณ์ของลูกค้าเมื่อใช้บริการหรือผลิตภัณฑ์ของบริษัทหนึ่งๆ โดยทั่วไปเป็นข้อมูลข้อความที่ไม่มีโครงสร้าง ซึ่งเก็บมาจากแบบสำรวจออนไลน์ โซเชียลมีเดีย ทิกเก็ตซัพพอร์ต แบบฟอร์มคำติชม รีวิวสินค้า ฟอรัม สายโทรศัพท์ อีเมล และแชตบอต ในแมชชีนเลิร์นนิง การวิเคราะห์อารมณ์ความรู้สึกทำผ่านการประมวลผลภาษาธรรมชาติ (NLP) ที่ใช้วิธีเชิงสถิติและภาษาศาสตร์เพื่อดึงอารมณ์เชิงบวก เชิงลบ และเป็นกลางตรงจากข้อมูลข้อความ โดยหลักแล้วจะให้ผลลัพธ์เป็นสองพารามิเตอร์:
การวิเคราะห์อารมณ์ความรู้สึกของลูกค้าเป็นเครื่องมือสำคัญสำหรับธุรกิจสมัยใหม่ เพราะช่วยให้ได้อินไซต์ที่นำไปใช้ได้จริง มองเห็นและแก้ปัญหาสำคัญที่เกิดซ้ำซึ่งทำให้ลูกค้าไม่พอใจ เสริมฟีเจอร์ของผลิตภัณฑ์หรือบริการที่ก่อให้เกิดอารมณ์เชิงบวก และโดยรวมช่วยให้ตัดสินใจเชิงข้อมูลได้มีประสิทธิภาพมากขึ้น ในระดับที่ลงลึกยิ่งขึ้น การวิเคราะห์อารมณ์ช่วยให้:
เช่นเดียวกับงานวิเคราะห์ข้อความอื่นๆ ระหว่างการวิเคราะห์อารมณ์ของลูกค้าอาจพบหลุมพรางบางอย่าง ตัวอย่างเช่น อัลกอริทึม NLP อาจไม่เข้าใจถ้อยคำประชดประชันในรีวิวบางรายการและจัดหมวดหมู่ผิดพลาด อีกทั้งบางครั้งอาจตีความตัวย่อเฉพาะทางมากๆ หรือคำสแลงที่ไม่ค่อยใช้ไม่ออก
การเตรียมชุดข้อมูล
มาลองดูการทำงานของการวิเคราะห์อารมณ์ในทางปฏิบัติ โดยใช้ชุดข้อมูลรีวิวภาพยนตร์จาก IMDB:
มีสองคอลัมน์: คอลัมน์หนึ่งเป็นข้อความของแต่ละรีวิว และอีกคอลัมน์เป็นการประเมินอารมณ์โดยรวมว่าเป็นบวก (1) หรือลบ (0)
มาคำนวณสัดส่วนเปอร์เซ็นต์ของรีวิวเชิงบวกและเชิงลบกัน:
ดังนั้น สัดส่วนรีวิวเชิงบวกและเชิงลบจึงเกือบเท่ากัน
การใช้วิธี BOW
ขั้นต่อไปคือต้องแปลงข้อมูลข้อความให้เป็นเชิงตัวเลข เพราะโมเดลแมชชีนเลิร์นนิงทำงานได้กับฟีเจอร์แบบตัวเลขเท่านั้น โดยเฉพาะเราจะสร้างฟีเจอร์ที่นับจำนวนครั้งที่แต่ละคำปรากฏในรีวิว วิธีพื้นฐานและตรงไปตรงมาที่สุดคือ bag-of-words (BOW) ซึ่งจะสร้างคลังคำจากคำทั้งหมดที่เกิดขึ้นในเอกสาร และนับความถี่ของแต่ละคำในแต่ละรีวิว ผลลัพธ์คือจะได้ฟีเจอร์ใหม่หนึ่งฟีเจอร์ต่อหนึ่งคำ พร้อมค่าความถี่ที่สอดคล้องกัน
มาลองใช้วิธี BOW กับชุดข้อมูลของเรา:
ข้างต้น เราใช้พารามิเตอร์เสริม max_features เพื่อพิจารณาเฉพาะ 200 คำที่ใช้บ่อยที่สุด และหลีกเลี่ยงการ overfitting ของโมเดลที่อาจเกิดขึ้น
การใช้โมเดลแมชชีนเลิร์นนิงแบบกำกับเพื่อพยากรณ์อารมณ์ความรู้สึก
ต่อไปจะใช้โมเดลแมชชีนเลิร์นนิงแบบกำกับเพื่อพยากรณ์อารมณ์ความรู้สึก เนื่องจากเป้าหมายคือประเมินว่าอารมณ์จากรีวิวใหม่จัดอยู่ในหมวดบวกหรือลบ โดยอ้างอิงจากรีวิวที่ติดป้ายกำกับไว้แล้ว เราจึงกำลังจัดการกับปัญหาจำแนกประเภทอีกครั้ง คราวนี้มาลองใช้อัลกอริทึมโลจิสติกรีเกรสชันและวัดความแม่นยำของโมเดล:
จะเห็นว่าโมเดลติดป้ายกำกับรีวิวที่เป็นบวกทั้งหมด 11% ว่าเป็นลบ และ 13% ว่าเป็นบวกทั้งที่เป็นลบ วิธีต่อไปที่อาจช่วยเพิ่มความแม่นยำของโมเดล ได้แก่ การตัดคำหยุด (เช่น คำที่มีข้อมูลต่ำแต่พบได้บ่อยมากอย่าง "about", "will", "you" เป็นต้น) และการเพิ่มขนาดคลังคำ
เมื่อใช้วิธี BOW เราอาจได้ฟีเจอร์ใหม่เป็นหลักร้อยหรือหลักพันคอลัมน์ในดาต้าเฟรม ซึ่งอาจนำไปสู่การสร้างโมเดลที่ซับซ้อนเกินไป มีการ overfit และมีฟีเจอร์กับพารามิเตอร์ที่ไม่จำเป็นมากเกินไป วิธีหนึ่งที่ช่วยแก้คือการทำ regularization ซึ่งจำกัดฟังก์ชันของโมเดล พารามิเตอร์ที่ต้องปรับคือ C ซึ่งแทนความแรงของ regularization มาลองทดสอบค่า C สองค่า: 100 และ 0.1 แล้วดูว่าค่าใดให้ประสิทธิภาพดีที่สุดบนข้อมูลทดสอบ:
ความต่างของความแม่นยำเมื่อใช้ค่าพารามิเตอร์ C ที่เลือกมานั้นน้อยมาก อาจหาได้ค่าที่ช่วยเพิ่มประสิทธิภาพของโมเดลมากขึ้นโดยทดลองกับค่าอื่นเพิ่มเติม อย่างไรก็ตาม ที่นี่เรามีฟีเจอร์ใหม่เพียง 200 ตัว โมเดลจึงไม่ซับซ้อนนัก และขั้นตอน regularization จึงไม่จำเป็นมากในกรณีนี้
แทนที่จะพยากรณ์ป้ายกำกับ 0 หรือ 1 ด้วยฟังก์ชัน predict สามารถพยากรณ์ความน่าจะเป็นของอารมณ์ได้ด้วย predict_proba ทั้งนี้ต้องคำนึงว่าไม่สามารถนำ accuracy score หรือ confusion matrix มาใช้กับค่าความน่าจะเป็นโดยตรงได้ เพราะเมตริกเหล่านี้ทำงานกับคลาสเท่านั้น จึงต้องเข้ารหัสกลับเป็นคลาสอีกครั้ง โดยปริยายแล้ว ความน่าจะเป็นตั้งแต่ 0.5 ขึ้นไปจะแปลงเป็นคลาส 1 มิฉะนั้นเป็นคลาส 0
สรุป
ยังมีแนวทางที่เป็นประโยชน์อีกมากมายที่สามารถประยุกต์ใช้กับชุดข้อมูลเพื่อทำการวิเคราะห์อารมณ์เชิงลึกมากขึ้น:
หากสนใจสำรวจเทคนิคเหล่านี้และวิธีที่มีประโยชน์อื่นๆ สำหรับการวิเคราะห์อารมณ์อย่างมีอินไซต์ ลองดูคอร์ส Sentiment Analysis in Python ได้เลย