“情绪分析加速器如何创造连续变量?”

NickM

你好,

在我的硕士论文中，我正在深入研究预测分析。我知道Rapidminer有一个情绪分析加速器，但我想知道他们是如何创建分数的。如果我没理解错的话，支持向量机是用在你输入的数据集上。然而，支持向量机的结果是创建一个将点+1和-1分开的超平面，对吧?那么加速器中的连续变量是如何创建的，它们实际上有效吗?

David_A

您可以查看加速器的基本过程。
在结果视图的右下方有一个“显示过程”按钮。

问候,
大卫

NickM

谢谢大卫，但我并不依赖这个过程，所以我希望有人能用正常的术语解释这个过程。当你看关于支持向量机的学术研究时，我还没有发现任何将二进制输出转换为连续输出的论文。这就是为什么我不太相信这个加速器的过程。

David_A

你是对的，经典的SVM只能在两种类型的值之间进行分离(比如+/-1)。
在加速器中所做的是，将正评级的置信度值转换为整数值。这些值来源于一个值离分离超平面的距离，到超平面的距离越大，对这个值被正确分类的信心就越小。
转换在“最佳和最差”子流程中完成。

因此，加速器持续输出的背后并没有真正的魔力，也没有理由怀疑其结果