Statistics 未经培训的情绪分析，需要帮助统计情绪变化
这个问题可能很模糊，但我会尽量用最好的语言来表达 所以我提出了一个粗略的算法来计算一个句子（评论片段的一部分）是肯定的、否定的还是中性的（让我们把这个句子称为EQ）。所以对于5个句子，我有一些基于[-100100]的句子评级。审查必须以[0,5]为基础进行评级 （0,39.88） (1, 73.07) (2, 69.65) (3, 51.43) （4,76.74） 我所面临的选择是，我现在应该选择什么方法来计算评论片段的总体评分 我做了一些研究，尝试了两种选择 1） 50%百分位数：对于以上数据点，我得到它为70。因此，在0-5的比例上映射，结果是4.2。结果是好的，但令人遗憾的是，百分位数并没有捕捉到EQ在片段中从一个句子到另一个句子的变化（因为它对排序数据起作用，所以这种变化会丢失）。 2） 拉格朗日多项式：这里接近69。但这种方法的问题是，我经常计算X范围的中间值（在本例中为2），因此这也不会捕获句子EQ的变化（此处终点无关紧要，它通常会给出中间值） 如果有任何想法，我应该选择什么样的方法来捕捉片段中的情商变化，并给出一个适当的值，用于获得整体情绪Statistics 未经培训的情绪分析，需要帮助统计情绪变化,statistics,sentiment-analysis,Statistics,Sentiment Analysis,这个问题可能很模糊，但我会尽量用最好的语言来表达 所以我提出了一个粗略的算法来计算一个句子（评论片段的一部分）是肯定的、否定的还是中性的（让我们把这个句子称为EQ）。所以对于5个句子，我有一些基于[-100100]的句子评级。审查必须以[0,5]为基础进行评级 （0,39.88） (1, 73.07) (2, 69.65) (3, 51.43) （4,76.74） 我所面临的选择是，我现在应该选择什么方法来计算评论片段的总体评分 我做了一些研究，尝试了两种选择 1） 50%百分位数：对于以上数据
可能类似excel绘制的趋势线，可以使用的概率？？？如果您对未经培训/无监督的情绪分析感兴趣，请阅读Peter Turney的这篇经典论文，该论文使用无监督的方法实现了75%左右的准确率-
情绪分析很有趣