Twitter Sentiment Analysis - Sentiment140

Este proyecto tiene como objetivo entrenar un modelo de aprendizaje automático para clasificar el sentimiento de los tweets utilizando el dataset Sentiment140. La clasificación se realiza en tres categorías: positivo, neutro y negativo.

---

📊 Dataset

Usamos el conjunto de datos Sentiment140, que contiene 1.6 millones de tweets etiquetados automáticamente con sentimientos.

Columnas principales:

• target: 0 = negativo, 2 = neutro, 4 = positivo
• text: contenido del tweet

---

⚙️ Estructura del proyecto

twitter-sentiment-analysis-sentiment140/ ├── data/ # Datos crudos y procesados ├── notebooks/ # Notebooks exploratorios ├── src/ # Código fuente ├── models/ # Modelos entrenados ├── outputs/ # Visualizaciones y métricas ├── tests/ # Pruebas automatizadas ├── requirements.txt # Dependencias del proyecto ├── README.md # Este archivo ├── .gitignore └── LICENSE

---

🧰 Tecnologías utilizadas

• Python 3.x
• pandas, numpy
• nltk, scikit-learn
• matplotlib, seaborn
• jupyter

---

✅ Checkpoints del proyecto (to-do list)

Fase 1: Exploración y preparación de datos

• Descargar y cargar el dataset de Sentiment140
• Análisis exploratorio básico (EDA)
• Limpieza y preprocesamiento del texto
• Guardar dataset procesado

Fase 2: Entrenamiento

• Crear modelo base: TF-IDF + Logistic Regression
• Entrenar el modelo y guardar resultados
• Evaluar con matriz de confusión, F1-score, etc.
• Guardar el modelo entrenado

Fase 3: Inferencia y aplicación

• Crear script para predecir el sentimiento de nuevos tweets
• (Opcional) Crear demo con Streamlit o Gradio

Fase 4: Mejora del modelo

• Probar otros clasificadores (SVM, RandomForest, XGBoost)
• Probar embeddings avanzados o BERT (transformers)

Fase 5: Documentación y despliegue

• Agregar visualizaciones y gráficos al README
• Mejorar documentación técnica
• Subir modelo a Hugging Face o Streamlit

---

✍️ Autor

Alberto Fernández Gálvez