Não respondo

O valor 2 representa o TFIDF (Term Frequency Inverse Document Frequency) que o termo "is" aparece na Review2.

O valor 2 representa o número de vezes que o termo "is" aparece em todas as Reviews apresentadas.

O valor 2 representa o número de vezes que o termo "is" aparece na Review2.

Não respondo

Os true positive representam os tweets que foram classificados correctamente pelo classificador.

Os true positive representam os tweets que foram incorrectamente classificados pelo classificador.

=(1/11) * log(3/1)

=(1/7) * log(3/11)

Não respondo

=(1/7) * log(3/1)

Não respondo

Os false positive representam os tweets que foram incorrectamente classificados como sendo positivos pelo classificador.

Os false positive representam os tweets que foram incorrectamente classificados pelo classificador.

Um exemplo positivo corretamente classificado

Não respondo

Um exemplo positivo classificado como negativo

Um exemplo negativo corretamente classificado

Um exemplo negativo classificado como positivo

Falso

Não respondo

Verdadeiro

Vector of Review 1: [1 1 1 1 1 1 1 0 0 0 0]

Não respondo

Vector of Review 1: [1 1 1 0 0 1 1 0 1 0 0 ]

Vector of Review 1: [1 1 2 0 0 1 1 0 1 0 0 ]

Porque não há documentos suficientes

Não respondo

Porque todos os termos aparecem em todos os documentos

Porque os algoritmos exigem zeros

Porque o vocabulário é grande e muitos termos não aparecem na maioria dos documentos

Para aumentar o número de atributos (features)

Para reduzir o tamanho dos ficheiros

Não respondo

Para corrigir desequilíbrios de classe e evitar que o modelo aprenda apenas a classe maioritária

Para eliminar a necessidade de validação cruzada

A accuracy será sempre superior a 93%.

A accuracy poderá variar entre 89% e 93%.

Não respondo

A accuracy será sempre de 91%.