使用监督学习算法时计算句子极性的方法有哪些？答案

【问题标题】：What are the ways to calculate polarity of a sentence when using supervised learning algorithms?使用监督学习算法时计算句子极性的方法有哪些？
【发布时间】：2019-08-16 10:54:41
【问题描述】：

我想在不使用这些库的情况下计算像 VADER 或 TextBlob 这样的句子的极性。

我已经使用逻辑回归来训练模型并使用predict_proba()。

这会给我输出的极性吗？

【问题讨论】：

标签： machine-learning nlp nltk logistic-regression

【解决方案1】：

predict_proba()：给你一个概率分数，如果你的案例是二分类案例，那么你可以设置一个阈值说

if (p > 0.5) then +ve Polarity / -Ve polarity

或

您可以根据数据找到最佳的最佳阈值（say p >0.7 , then +ve/-eve polarity），但情况完全不同。计算最佳阈值曲线见F1 Score或ROC

【讨论】：

我想要一个短语的极性，例如 {'positive': 0.4, 'negative': 0.6}。我的问题是，predict_proba() 给了我这个吗？
不，predict_proba() 给你一个概率，分数，由你来定义这个分数的含义。这样想，对于高中的一个特定科目，你得到一个分数，比如 75 分100、你如何定义你是否有区别？，也就是说，您需要先定义一个阈值。基于此，您可以定义是否应将分数映射到 +/- ve 极性