用scikit-learn评论分析

Question

我正在使用scikit-learn来分析亚马逊的评论数据集。 为了实现它（根据一些例子）我做：

1. 将文字和摘要更改为小写，
2. 更改收缩并删除不需要的字符
3. 创建AdaBoostClassifier以适合我的模型，如下所示

vect = CountVectorizer(min_df = 1)

ab = AdaBoostClassifier(learning_rate=0.1)

rnds = data_train.sample(frac = 1.0, random_state = np.random.RandomState(87824), axis = 0)

tests = data_test.sample(frac = 1.0, random_state = np.random.RandomState(824), axis = 0)

bow = vect.fit_transform(rnds['Text'])

ab.fit(bow, rnds['Score'])

使用以下方法检查训练模型的准确度时：

preds = ab.predict(vect.transform(tests['Text']))
print('Accuracy :' + str(100 * sum(preds == tests['Score'].values) / len(preds)) + '%')

我得到了大约70％。

我的怀疑是，

1. 我怎样才能改善这个结果？或者这是错误的做法吗？
2. ab.fit只运行一次？我尝试将其放入for循环中以检查准确度是否增加，但每次迭代的值都完全相同。

谢谢。