Uber客户评价数据集机器学习预测模型

Uber客户评价数据集涵盖了2013至2019年间的客户评价数据，主要用于文本分类任务，尤其是情感分类。数据集包含多种特征，如文本、输入、预测等，数据量在1K到10K之间，语言为英语。数据集的特征包括文本类型、结构化数据（包含文本字段）、列表类型（含标签和分数）以及字符串类型。数据集被划分为训练集，训练集包含2347个样本，总大小为2761597字节，下载文件大小为1691346字节。

数据集可用于分析客户反馈，通过情感极性分析对评论进行分类，并构建机器学习模型进行情感预测。通过可视化工具如Tableau展示分析结果，可以揭示用户对Uber服务的满意度，帮助识别服务中的问题，从而优化用户体验。数据处理过程包括去除不必要的列、使用TextBlob计算情感极性、将情感极性映射到情感类别，并利用TF-IDF Vectorizer和逻辑回归模型进行情感预测。

通过分类报告和Tableau可视化，能够展示模型性能与情感分布趋势。该数据集为研究人员和分析师提供了宝贵的资源，支持深入分析共享经济中的用户行为和反馈，进而推动服务优化与创新。