Análisis de Sentimientos de Reseñas de Películas de IMDb

Este documento presenta un proyecto de análisis de sentimientos centrado en las reseñas de películas de IMDb, destinado a clasificar las reseñas como positivas o negativas según su contenido textual. Utilizando un conjunto de datos de 50,000 reseñas de películas de IMDb, obtenido de Kaggle, el estudio aborda el desafío de clasificación binaria empleando técnicas de preprocesamiento como la vectorización TF-IDF. El conjunto de datos se divide en conjuntos de entrenamiento y prueba, con modelos entrenados en el primero y evaluados en el segundo. Se implementan y comparan tres algoritmos de aprendizaje automático: Regresión Logística, Bosques Aleatorios y Árboles de Decisión, utilizando métricas de rendimiento que incluyen precisión, recall y puntuación F1. Los resultados indican que la Regresión Logística supera a otros modelos en la clasificación de análisis de sentimientos. El informe concluye destacando las contribuciones del proyecto y sugiriendo avenidas para investigaciones futuras, enfatizando los posibles beneficios de expandir los tipos de sentimientos y el tamaño del conjunto de datos.