From TF-IDF to Transformers: A Comparative and Ensemble Approach to Sentiment Classification

En 3 lignesÉtude comparative de modèles de classification de sentiments sur IMDb : Naive Bayes, Logistic Regression, SVM, LightGBM, LSTM, RoBERTa et DistilBERT. RoBERTa atteint 93,02% d'accuracy. Un ensemble par soft voting améliore les performances.

Résumé généré par Claude — vérifié par l'humain