Text 如何将概率转换为分数？

我现在正在做一个文档推荐程序，我有点被困在这里了。 对于每个文档，我都根据用户的操作分配了一个分数。然后，当一个新文档出现时，我需要预测用户会喜欢它的程度，并根据他们的分数重新排列整个文档。我的解决方案是使用阈值将这些分数分为“推荐”和“不推荐”。然后naiveBayes或其他分类模型可以给我一个标签或返回该标签的可能性（我使用NLTK包进行文本分析）。 我走对了吗？我的问题是，当我得到这种可能性时，我如何将它转换成我用来排名的分数？或者我应该在scikit中使用逻辑回归？

---

谢谢

听起来你是想把排名问题变成分类问题。您真正想要做的是对文档进行“查询”

听起来你是想把排名问题变成分类问题。您真正想要做的是对文档进行“查询”

我建议尝试类似SVM排名算法的方法。它将一组“推荐”和“不推荐”向量作为输入，然后学习如何对它们进行排序，以使推荐的向量排在第一位。dlib中还有一个简单的python工具，您可以使用它来完成这项工作。请看这里的示例：

我建议尝试类似SVM排名算法的方法。它将一组“推荐”和“不推荐”向量作为输入，然后学习如何对它们进行排序，以使推荐的向量排在第一位。dlib中还有一个简单的python工具，您可以使用它来完成这项工作。请参见此处的示例：

谢谢！我认为你是对的。我正在解决的是排名问题。谢谢！我认为你是对的。我正在解决的是一个排名问题。嗨，大卫，这个例子很简单，很有帮助！在我看到@Raff.Edward的答案后，我做了一些研究，似乎svm排名是解决方案之一，但所有的解释都使用了很多公式，这让像我这样的新手很难理解。你举的例子正是我要找的。谢谢嗨，大卫，这个例子很简单，很有帮助！在我看到@Raff.Edward的答案后，我做了一些研究，似乎svm排名是解决方案之一，但所有的解释都使用了很多公式，这让像我这样的新手很难理解。你举的例子正是我要找的。谢谢