Machine learning 在机器学习模型中使用文本情感作为特征？

我正在研究我的机器学习模型的哪些特性，以及我拥有的数据。我的数据包含很多文本数据，所以我想知道如何从中提取有价值的特征。与我之前的想法相反，这通常包括用一袋单词或类似word2vec:（）

因为我对这个主题的理解是有限的，我不明白为什么我不能先分析文本来得到数值。（例如：textBlob.touction=，谷歌云自然语言=）

这是否有问题，或者我是否可以将这些值用作我的机器学习模型的功能

---

提前感谢所有的帮助

当然，您可以使用情感分析将文本输入转换为单个数字，然后将此数字用作机器学习模型中的一个功能。这种方法没有错

问题是要从文本数据中提取什么样的信息。因为情绪分析将文本输入转换为-1到1之间的数字，该数字表示文本的积极或消极程度。例如，您可能需要客户对某个餐厅的评论的情绪信息来衡量他们的满意度。在这种情况下，可以使用情绪分析对文本数据进行预处理

但同样，情绪分析只是给出了文本的积极或消极程度的概念。您可能希望对文本数据进行聚类，而情感信息在这种情况下并不有用，因为它不提供任何关于文本相似性的信息。因此，其他方法（如word2vec或bag of words）将用于这些任务中文本数据的表示。因为这些算法提供了单个数字的文本实例的向量表示

---

总之，该方法取决于您需要从特定任务的数据中提取什么样的信息

谢谢你的回复！这很有道理，谢谢。我正在根据youtube、twitter和facebook的用户数据制作一个预测电影票房成功的模型。我想说，情感是一个有价值的特征。此外，对文本进行聚类是否也适用于我的情况？不，你的问题不是聚类，而是基于如何衡量成功的回归或分类任务。我认为情绪分析可以解决你的问题。因为，如果用户对一部电影的评价是肯定的，那么票房就真的成功了，反之亦然。