假设我有一个带有注释情绪的电影评论数据集：
-1 means negative
0 means neutral
+1 means positive
我看到很多人尝试进行分类以尝试回答这些类型的问题，但不应该使用回归来代替吗？对我来说，使用回归将允许系统对标签之间存在转换进行建模，例如，0 介于两者之间。对此有什么想法吗？
对硬标记排名数据集使用回归而不是分类
数据挖掘
分类
回归
排行
2022-03-06 17:38:16
2个回答
回归的一个问题是负面、中性和正面之间的距离不一定相同。您提到的这种转换/不确定性可以通过使用类上的概率分布而不是硬 argmax 来建模。例如，如果您使用神经网络，最后一个 softmax 层会免费为您提供此信息（例如：0.1 on Negative、0.6 Neutral 和 0.3 Positive）。
这是序数回归https://en.wikipedia.org/wiki/Ordinal_regression
引用自维基百科：
在统计学中，序数回归（也称为“序数分类”）是一种回归分析类型，用于预测序数变量，即其值存在于任意尺度上的变量，其中只有不同值之间的相对排序是显着的。
例如，您描述的排名系统或调查中常见的分类但有序答案的任何问题（“总是”、“有时”、“从不”）。
其它你可能感兴趣的问题