Sentiment Analysis
Model SVM dan Naive Bayes untuk mengklasifikasikan ulasan ke dalam kategori Bagus, Normal, atau Buruk menggunakan PRDECT-ID Dataset.
Deskripsi
Model ini menganalisis ulasan pelanggan Tokopedia untuk menghasilkan insight seperti rekomendasi perbaikan pengiriman atau kualitas produk.
Penggunaan
import pickle
from sklearn.preprocessing import LabelEncoder, StandardScaler
# Load model dan preprocessing
svm_model = pickle.load(open('svm_model.pkl', 'rb'))
scaler = pickle.load(open('scaler.pkl', 'rb'))
le_sentiment = pickle.load(open('le_sentiment.pkl', 'rb'))
le_emotion = pickle.load(open('le_emotion.pkl', 'rb'))
# Contoh prediksi
data = [[5, 'Positive', 'Happy']] # Rating, Sentiment, Emotion
data_scaled = scaler.transform(data)
prediksi = svm_model.predict(data_scaled)
print(prediksi) # Output: ['Bagus']
- Downloads last month
- -
from huggingface_hub import hf_hub_download import joblib model = joblib.load( hf_hub_download("ZakyF/sentiment-analysis", "sklearn_model.joblib") ) # only load pickle files from sources you trust # read more about it here https://skops.readthedocs.io/en/stable/persistence.html