Machine learning 将概率转换为分数
我有一个项目,根据客户评论提供的文本数据,将客户的情绪水平测量为0(快乐)、1(中性)、2(不快乐)。我已经在tensorflow上训练了一个分类器模型,它可以预测新文档的情感水平。在那之前没有问题。我可以得到分类器的预测概率,表明新文档属于哪个级别。在预测新文档属于哪一类后,我得到如下概率: 水平概率 0(快乐)--->0.17 1(空档)--->0.41 2(不愉快)--->0.42 此结果表明预测文档属于类别2。然而,我需要准确的情绪分数,而不仅仅是标签。如果我将区间[0-1]划分为3个部分,每个部分对应一个标签,如[0-0.33],[0.33-0.66],[0.66-1]。对于上述情况,我需要一个介于0.66和1之间的分数,并且应该更接近0.66,比如0.68 其他例子如下: EX-I: 水平概率 0:[0-0.33]-->0 1:[0.33-0.66]-->1 2:[0.66-1]-->0 对于EX-I,分数应为0.5 EX-II: 水平概率 0:[0-0.33]-->0.51 1:[0.33-0.66]-->0.49 2:[0.66-1]-->0 对于EX-II,分数应小于0.33,但非常接近 在数学中,这种情况的确切术语是什么?或者有一个公式可以根据概率计算当前的模糊分数Machine learning 将概率转换为分数,machine-learning,probability,fuzzy-logic,Machine Learning,Probability,Fuzzy Logic,我有一个项目,根据客户评论提供的文本数据,将客户的情绪水平测量为0(快乐)、1(中性)、2(不快乐)。我已经在tensorflow上训练了一个分类器模型,它可以预测新文档的情感水平。在那之前没有问题。我可以得到分类器的预测概率,表明新文档属于哪个级别。在预测新文档属于哪一类后,我得到如下概率: 水平概率 0(快乐)--->0.17 1(空档)--->0.41 2(不愉快)--->0.42 此结果表明预测文档属于类别2。然而,我需要准确的情绪分数,而不仅仅是标签。如果我将区间[0-1]划分为3个部
感谢您的帮助。您应该转向回归,而不是进行分类 在您的培训步骤中,您可以将班级快乐转换为0,将班级中立转换为0.5,将班级不快乐转换为1。
然后,您的tensorflow模型将预测0到1之间的值,这些值与您想要执行的操作相对应。我不确定是否可以将类标签更改为十进制数字0.5。将类标签处理为0,1,2或0,0,5,1有关系吗?我使用了tensorflow的model.predict_probaba()函数,它只给出了每个类的预测概率。这是我能看到的最简单的方法,但是你必须对你的模型做一点修改,因为它需要是一个回归模型。