我不确定你已经知道了什么，所以我会回答我会怎么做。如果你不明白的事情，或者已经知道我说的一些事情，请发表评论。

如果你的输出是分类的，我会把它作为一个多类问题来解决，因此确实只有$10\%$,$25\%$等等。如果您想将其视为回归问题，我会说您需要连续的流行度增量，因此您需要各种值作为增量，而不仅仅是固定数量的值。训练数据应该决定你如何解决这个问题。请注意，您始终可以通过对间隔进行分桶来将回归减少到多类问题（它要求实例应该分配哪个增量）。

为了论证的缘故，让我们假设您有多类数据。一个文档具有其中一个类，即$10\%$. 然后，您继续将这些类编码为二进制向量，这甚至可能是您正在使用的库的一部分。

然后，您将继续使用保留方法拆分数据，以留出一些验证示例，以查看模型的实际工作方式。然后你继续训练一些模型，比如随机森林。使用验证数据，您可以计算一些错误度量并查看它是否足够。如果不是，您继续选择其他模型进行训练，添加其他功能等等。

我建议尝试使用另一种方法，而不是词袋，例如 word2vec 或 GloVe。您还可以将情绪分类器值添加为特征列。然后，您可以比较不同的功能并查看其性能。

让我知道这是否对您有帮助，或者我是否误解了您的问题。