教學步驟

• 資料理解：介紹資料集結構，包含文字 (text) 與標籤 (label，0=負面、1=正面)。

• 特徵轉換：學習文字向量化方式，如 TF-IDF（詞頻-逆文件頻率）與 n-gram（連續字詞片段）。

• 模型訓練：採用 Logistic Regression（邏輯迴歸） 建立情感分類模型。

• 模型評估：透過 Accuracy、Precision、Recall、F1 分數與 混淆矩陣（Confusion Matrix）分析模型的正確與錯誤分類情形。

• 應用實作：輸入新句子測試模型，觀察 AI 如何判斷情感傾向。