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

---

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。