The goals of this project are 1) bu

The goals of this project are 1) build a model for six major U.S. airlines that
performs sentiment analysis on customer reviews so that the airlines can have fast
and concise feedback, 2) make recommendations on the most important aspect
of services they could improve given customers’ complains. In this project, we
performed multi-class classification using Naive Bayes, SVM and Neural Network
on the Twitter US Airline data set from Kaggle. Significant accuracy has achieved,
which shows that our models are reliable for future prediction.

ผลลัพธ์ (ไทย) 1:

เป้าหมายของโครงการนี้คือ 1) สร้างแบบจำลองสำหรับหกสายที่ทำการวิเคราะห์ความเชื่อมั่นจากลูกค้าเพื่อให้สายการบินได้อย่างรวดเร็วและข้อ เสนอแนะโดยสังเขป 2) ให้คำแนะนำในสำคัญที่สุดบริการที่พวกเขาสามารถปรับปรุงให้ลูกค้าบ่น ในโครงการนี้ เราดำเนินการจัดประเภทหลายชั้นใช้ Bayes ความไร้เดียงสา SVM และ ข่ายประสาทชุดข้อมูลทวิตเตอร์เราบินจาก Kaggle มีความสำคัญความถูกต้องซึ่งแสดงว่า รุ่นของเรามีความน่าเชื่อถือสำหรับคาดเดาอนาคต

ผลลัพธ์ (ไทย) 2:

เป้าหมายของโครงการนี้คือ 1) การสร้างแบบจำลองสำหรับหกสายการบินยักษ์ใหญ่ในสหรัฐที่
ดำเนินการวิเคราะห์ความเชื่อมั่นในความคิดเห็นของลูกค้าเพื่อให้สายการบินสามารถมีได้อย่างรวดเร็ว
ข้อเสนอแนะและรัดกุม 2) ให้คำแนะนำในด้านที่สำคัญที่สุด
ของการบริการที่พวกเขาสามารถปรับปรุงลูกค้าได้รับ 'บ่น ในโครงการนี้เรา
ดำเนินการจัดหมวดหมู่หลายระดับโดยใช้ซื่อๆเบส์, SVM และโครงข่ายประสาทเทียม
ในชุดข้อมูลทวิตเตอร์ของสายการบินสหรัฐจาก Kaggle ความถูกต้องอย่างมีนัยสำคัญได้สำเร็จ
ซึ่งแสดงให้เห็นว่ารูปแบบของเรามีความน่าเชื่อถือในการทำนายอนาคต

ผลลัพธ์ (ไทย) 3:

เป้าหมายของโครงการนี้ คือ 1 ) สร้างรูปแบบหกหลักของสายการบินที่เนินการวิเคราะห์ความเชื่อมั่นในบทวิจารณ์ของลูกค้า เพื่อให้สายการบินสามารถมีได้อย่างรวดเร็วความคิดเห็นที่กระชับ และ ( 2 ) ให้คำแนะนำในส่วนที่สำคัญที่สุดของการบริการที่พวกเขาสามารถปรับปรุงให้ลูกค้าบ่น ในโครงการนี้เราการจัดชั้นเรียนแบบใช้ Naive Bayes SVM และโครงข่ายประสาทเทียม ,บน Twitter เราสายการบินชุดข้อมูลจาก kaggle . ความถูกต้องสำคัญได้สำเร็จซึ่งแสดงให้เห็นว่าแบบจำลองของเรามีความน่าเชื่อถือในการทำนายอนาคต