Evaluación Comparativa y Optimización de Modelos de Machine Learning para la Clasificación de Polaridad en Críticas de Películas en Portugués

Resumen

IEste estudio detalla la evaluación de modelos de Machine Learning para la clasificación de polaridad (positiva, negativa y neutra) en frases de la lengua portuguesa. El flujo de trabajo experimental implicó dos análisis principales. Primero, un conjunto de datos fue etiquetado y vectorizado (TF-IDF con 2000 features) para entrenar un modelo base Multinomial Naive Bayes (división 80/20), que alcanzó una precisión (accuracy) del 38%. En un segundo análisis, el mismo conjunto de datos fue vectorizado (TF-IDF con 5000 features) y evaluado (división 75/25) con cuatro modelos baseline: SVM Lineal, KNN (k=5), Naive Bayes y Regresión Logística. Los modelos SVM (LinearSVC) y LogisticRegression obtuvieron los mejores resultados (precisión: 0.42), mientras que KNN presentó el peor rendimiento (precisión: 0.26). Se aplicó una optimización de hiperparámetros con GridSearchCV a los modelos de mejor rendimiento (SVM y Regresión Logística), pero no resultó en una mejora del desempeño. El análisis final indica que todos los modelos probados presentaron un rendimiento general limitado, con dificultades significativas para distinguir correctamente las tres clases de polaridad.