完成作业评论

config.py

@@ -13,7 +13,7 @@ MAX_SEQ_LEN = 100                       # 句子最大长度（词数）
 VECTORIZER_TYPE = 'tfidf'               # 'tfidf' 或 'bow'（向量化方式）
 
 # ==================== 模型相关 ====================
-MODEL_TYPE = 'mlp'                       # 'mlp' 或 'lr'（模型类型）
+MODEL_TYPE = 'lr'                       # 'mlp' 或 'lr'（模型类型）
 HIDDEN_SIZE = 64                        # MLP隐藏层大小（LR忽略）
 NUM_CLASSES = 2                         # 类别数（正面/负面二分类）
 KEEP_PROB = 1.0                         # Dropout保留概率（LR忽略，设为1即可）
@@ -27,8 +27,8 @@ BATCH_SIZE = 64                         # 批次大小
 USE_CLASS_WEIGHT = True                 # True=启用类别权重, False=不启用（对比用）
 # 权重计算公式: n_samples / (n_classes * n_class_i)
 # 正面评论多所以权重小，负面评论少所以权重大
-CLASS_WEIGHT_POS = 0.73                # 正面类权重（自动计算）
-CLASS_WEIGHT_NEG = 1.58                # 负面类权重（自动计算）
+CLASS_WEIGHT_POS = 0.88                # 正面类权重（自动计算）
+CLASS_WEIGHT_NEG = 1.5               # 负面类权重（自动计算）
 
 # ==================== 实验相关 ====================
 RUN_COMPARISON = False                  # True=运行对比实验, False=运行单个模型

train.py

@@ -4,8 +4,8 @@
 
 功能：
 1. 单模型训练与评估
-2. 模型对比实验（LR vs MLP）
-3. 向量化对比实验（BoW vs TF-IDF）
+2. 模型对比实验(LR vs MLP)
+3. 向量化对比实验(BoW vs TF-IDF)
 4. 超参数对比实验
 """