文章插图
KNN生成的图表显示：
· 沮丧：算法将该特征归类为消极 ， 这是显而易见的 。 但值得注意的是 ， 在消极和中立之间有小部分的重叠 。 同时消极与中性界限也非常细微 。 这表明沮丧的情绪在某种程度上能够激励自己取得积极成果 。 综合考虑后 ， 它被归类为消极标签 。
· 困惑：这项结果很有意思 ， 算法将其标记为积极 。 在分析之前 ， 我曾避免自己有困惑情绪 。 也许这些摇摆不定的情绪也能产生积极的结果 ， 也许它们给了我们时间来衡量形势的正反面 。
· 悲伤：毫无疑问 ， 这类情绪注定会产生消极的结果 。
· 自卑：有时候头脑中会出现一些随机的想法 。 它们没有来由没有依据 。 算法将这些情绪归类为中性 。
· 哭泣：与悲伤特征类似 ， 该特征也被归为消极 。 但我认为它可能也有中立的一面 ， 因为哭泣可以帮助平衡情绪 。 但如果依据图表来给定标签 ， 很可能将其归类为积极而非中性 。 总体来看 ， 它会引发消极情绪 。
· 痛苦：根据模型的预测 ， 痛苦是导致心情不好的最重要特征 。 因此 ， 它是极其消极的 。
· 振奋：KNN预测这个特征对我有益 。 但是 ， 该图显示中性和消极情绪略有重叠 。 此外 ， 令人吃惊的是 ， 如果我们仅考虑这两个标签 ， 消极标签的影响要比中性标签大得多 。
· 坚定：该特征非常有趣 。 结果之间几乎没有任何区别 ， 很难立即做出诠释 ， 但是使用箱形图可以轻易地理解这一点 。
文章插图
箱形图提供了详尽的图示 。 图示清晰易懂 ， 它们根据特征或思想给出了三种不同情绪或标签的清晰区分 。 它描绘的结果与KNN图或多或少相同 ， 但它提供了更好的解释：
· 坚定：尽管看起来这一特征明显会被归类为积极 ， 但是KNN图表根据数据显示了这三个标签之间的相似性 ， 这种相似性可能会产生误导 。 看看箱型图你就会发现 ， 积极的结果只比另外两个高一点 。 因此 ， 该特征被归类为积极标签 。
· 快乐：毋庸置疑 ， 此特征为积极标签 。 但是 ， 它对中性的四分位数远大于正数 ， 如果仅考虑中性和负数 ， 则中性要高于两者 。
文章插图
图源：unsplash
这个项目非常有趣 。 起初 ， 我以为分类结果是简单且显而易见的 ， 但完成后 ， 我才意识到这不仅仅是个分类 。 一个ML程序不仅能预测人类可以轻松完成的特定任务 ， 还可以对数据集深入分析 。
【了解情绪划分：如何使用机器学习来保持积极心态？】虽然这只是仿人智能的开始 ， 但却非常有趣 ， 也许这就是‘机器学习’命名的由来 。
文章插图
留言点赞关注
我们一起分享AI学习与发展的干货
如转载 ， 请后台留言 ， 遵守转载规范

• iQOO 7邀请函曝光“马”“鸭”“羊”代表什么
• 更便宜的米11系列新品要来了，小米11Lite了解下
• 人工智能正在了解人类的“言外之意”
• 华为要让专家当家，你了解华为吗？华为对于中国创业者真正的意义
• 曲面电竞显示器了解一下 环绕视觉沉浸体验
• 三星新机专利曝光，伸缩式屏下镜头了解下
• 擦地机器人品牌排行榜来了，你想了解的都在这里
• 诺基亚5G订单数已破百，爱立信更是达到118个，那华为呢？
• 谷歌AI又获重大突破！新算法无需了解规则也能自学成“棋”
• 买下一部手机手机前 请了解一下OriginOS