第 44 章
使用 Create ML 建構一個情緒反應分類器來分類使用者評論

前面一章，我已經介紹過 Create ML 的基礎，並且介紹了如何訓練一個圖片分類器。如之前所述， Create ML 不限於 ML 模型只訓練圖片。你可以使用它來訓練文字分類器模型，這個模型可以對自然語言文字進行分類。

我們在本章準備要建立一個情緒反應模型來針對產品與電影評論做分類。這個訓練模型會將使用自然語言文字的回饋意見作為輸入，然後進行分析，接著分類器會將它分類為正面 / 負面評價。另外，我將介紹如何在 Playgrounds編譯與測試這個模型。

在你繼續往下學習之前，請確認你有參考前面兩章。我假設你已經具備了 Create ML 與 Core ML 的基礎。

資料準備

建立一個文字分類器的工作流程與圖片分類器的建立方式非常相似。一開始先做資料收集。因為我們準備建立一個情緒反應分類器，我們必須準備大量的產品/電影/餐廳範例的評價（以自然語言模式）來訓練 ML 模型。針對每一則評論，我們會標示它為正面或者負面。也就是我們如何訓練機器了解與區分何謂正面或負面評價。

不過要到哪裡找到這些產品/電影/餐廳評價的樣本呢？

本文摘自《iOS 17 App程式設計進階攻略》一書。如果你想繼續閱讀和下載完整程式碼，你可以從AppCoda網站購買完整電子版，全書範例檔皆可下載。