用于估计分数的分类算法

Posted 2023-03-12

【中文标题】用于估计分数的分类算法

【英文标题】：Classification algorithm for estimating the score

【发布时间】：2012-12-16 21:41:09

【问题描述】：

我想检测文本文章的某种情绪取向。这个问题似乎与分类问题有关，但不是检测每个类别的概率（负、正、中性），我想知道一些总体评分，例如0.76，然后将我的文章分类到涵盖预定义范围的类别。 （例如 [0.75...1) 是正数）。

哪些机器学习算法适合此类问题？

【问题讨论】：

那么，您基本上是在寻找能够给出类正确概率的二元分类器？朴素贝叶斯和 SVM 支持 - 并且非常适合文本分类（根据我的个人经验）

@amit AFAIK Naive Bayes 输出是每个类的概率列表，而不是这个我只想要一个可以代表文章评级的数字（例如 [0..1]）。类似于电影评论评级的自动分类器。

你的训练集是什么？如果您的训练集也是数字，您可以尝试线性回归。

你试过 Weka 框架吗？

@FGraviton Weka 包含很多不同的算法

【参考方案1】：

据我所知，您可以使用以下两种方法之一：

使用分类算法，对于二元分类器，它为您提供 (p,1-p) - 其中p 是二元分类器赋予它“真”的“机会”。 使用线性回归（或其他数值 ML 算法），并给出 它返回给你的分数。训练算法时，您会将“pos”标记为 1，将“neg”标记为 0。

就个人而言，我会选择SVM 的第一种方法，因为我知道它可以很好地处理大型特征空间 - 并且很可能是文本问题的情况。