Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix"); } } catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms"); } } catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links"); } } catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); } })(); (function(){ try { var __m = "youtube.com"; var __re = new RegExp('^' + "youtube\\.com" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default"); } } catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers"); } } catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); } })(); (function(){ try { var __m = "*"; var __re = new RegExp('^' + ".*" + '
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode"); } } catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); } })(); })();
Skip to content

Repository files navigation

Trustpilot Review Model

Projektbeschreibung

In diesem Projekt wurde ein lineares Regressionsmodell mit Bewertungen von Trustpilot trainiert, das auf verschiedenen Bewertungen unterschiedlichster Firmen basiert. Das erste Modell erreichte einen F1-Score von 63%, was noch Spielraum für Verbesserungen lässt.

Nächste Schritte

Im nächsten Schritt beabsichtige ich, die Trainingsdaten besser auszubalancieren, um einen höheren F1-Score von mindestens 85% zu erreichen.

Ausgabe von Version 1.0

  • Genauigkeit: 0.629371

Klassifikationsberichte

KlassePräzisionRecallF1-ScoreUnterstützung
10.760.770.77115
20.660.590.62114
30.560.620.59114
40.550.540.55115
50.620.620.62114
Gesamtgenauigkeit0.63572
Durchschnitt (Macro)0.630.630.63572
Durchschnitt (Gewichtet)0.630.630.63572

Update

Durch das Zusammenlegen mehrerer Klassen konnte ich den F1-Score von 67% auf beeindruckende 86% steigern.

Durch den Austausch des ML-Modells erreiche ich sogar ganze 92%.

Genauigkeit: 0.868881 (Lineare Regressionsmodell)

KlassePrecisionRecallF1-ScoreSupport
00.840.960.90343
20.930.730.82229
Accuracy0.87572
Macro Avg0.880.850.86572
Weighted Avg0.880.870.87572

About

Im Rahmen dieses Projekts wurde ein Klassifikationsmodell entwickelt, das auf Basis von Trustpilot-Bewertungen automatisiert zwischen positiven und negativen Kundenmeinungen unterscheidet.

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages