情感分类问题可以用回归来解决吗？

Question

我有一个tweet的数据集，其中每个tweet都有一个平均置信度得分。例如

Tweet Average Confidence Standard Deviation

too much thoughts inside his headdd we can t even imagine 0.3 0.163951

His ass need to stay up 0.8 0.161962

First time I heard his name in camp, he seems amazing 0.19 0.181962

平均置信度是几个监督模型对特定实例预测的置信度的平均值，属于正类。

标准差是特定实例的置信度与平均置信度的标准差。

如果我将其视为回归任务，如何处理多标签数据

编辑

​

Answer 1

我还不太理解你的问题，所以我认为最好的答案是:)

基本上，在情感分析中单独使用score (在您的情况下是average)来对好的-坏的句子(数据)进行分类，选择一个产生最佳分类结果的阈值，比如0.6

if score >= 0.6
  classify as GOOD
else
  classify as BAD

我建议看看这个简单的方法是否足够满足您的需求。

如果你想使用更多的变量(信息)进行分类，比如“averageandstd`”，你可以使用另一个分类模型(比如logistic-regression，decision trees，svm等等)。

如果您想使用一些回归方法，我建议使用logistic regression (它非常简单)。

因为您当前的模型只包含两个变量average和std a svm，所以可能会提供更好的结果(基本上它将数据投影到更高的维度并在那里进行分类)

请记住，所有方法(可能除了决策树等)都会输出另一个分数，比如在0到1之间进行分类，因此在结束时必须始终应用阈值