文本预处理需清洗、分词、去停用词、词形还原；TF-IDF提取特征并控制维度与n-gram；LogisticRegression等轻量模型配合TF-IDF可达85%+准确率；TextBlob/VADER可快速规则打分。
文本预处理是情感分析的第一步
原始文本通常包含标点、大小写、停用词和特殊符号，直接输入模型会影响效果。需要先做清洗：转小写、去标点、分词、过滤停用词、词形还原（如“running”→“run”）。Python中可用nltk或spaCy完成。例如用nltk去除停用词时，记得加载英文停用词表：nltk.download('stopwords')，再用set(stopwords.words('english'))做集合过滤。
用TF-IDF提取有区分度的文本特征
把句子转为数字向量才能进机器学习模型。TF-IDF比简单词频更能体现词语在文档中的重要性——高频且在少数文档中出现的词权重更高。用sklearn.feature_extraction.text.TfidfVectorizer可一键实现：设定max_features=5000控制维度，ngram_range=(1, 2)加入二元词组提升表达力。注意要对训练集拟合（fit）后再对训练/测试集都转换（transform），避免数据泄露。
选一个轻量又靠谱的分类器快速验证
初学不必一上来就上BERT。从LogisticRegression或SVM开始，配合TF-IDF向量，往往在IMDb或Amazon评论数据上就能达到85%+准确率。代码只需几行：model = LogisticRegression(); model.fit(X_train, y_train); preds = model.predict(X_test)。预测后用classification_report看精确率、召回率和F1值，比单纯看准确率更有参考价值。
用TextBlob或VADER做规则式情感打分
如果想跳过训练过程、快速获得情感倾向（正面/负面/中性）和强度，规则方法很实用。TextBlob适合简单场景，调用TextBlob(text).sentiment.polarity返回-1到1之间的值；VADER专为社交媒体文本优化，对感叹号、大写字母、表情符号更敏感，适合微博、推特类短文本。它们不依赖训练数据，但泛化能力弱于模型方法，适合作为基线或辅助判断。
立即学习“Python免费学习笔记（深入）”；
