我有一个项目可以根据客户评论提供的文本数据来衡量客户的情绪水平为0（快乐），1（中性），2（不满意）。我已经在tensorflow上训练了一个分类器模型，它预测了一个新文档的情绪水平。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。在预测了一个新文档属于哪个类后，我得到了一些如下的推广：
等级 - 可行性
0（开心）---＆gt; 0.17
1（中性）---＆gt; 0.41
2（不开心）---＆gt; 0.42
此结果表明预测文档属于第2类。但是，我需要精确的情感分数而不仅仅是标签。如果我将区间[0-1]分成3个部分，则每个部分对应于[0-0.33]，[0.33-0.66]，[0.66-1]等标签。对于上述情况，我需要在0.66和1之间得分，并且还要接近0.66，如0.68。
如下面的其他例子所示：
EX-I：
等级 - 可行性
0：[0-0.33] - ＆gt; 0
1：[0.33-0.66] - ＆gt; 1
2：[0.66-1] - > 0
对于EX-I分数应为0.5
。
EX-II：
等级 - 可行性
0：[0-0.33] - ＆gt; 0.51
1：[0.33-0.66] - ＆gt; 0.49
2：[0.66-1] - > 0
对于EX-II分数应小于0.33，但接近它。
这种情况在数学中的确切术语是什么，或者是否存在根据概率计算当前模糊分数的等式。
感谢您的帮助。
答案 0 :(得分：0)
您应该转向回归，而不是进行分类。
在训练步骤中，您可以将 happy 类转换为0，将中性类转换为0.5，将不快乐转换为1。 然后，您的张量流模型将预测0到1之间的值，这些值对应于您想要执行的操作。