科学学习:半监督的朴素贝叶斯实现可用吗？

Question

我想使用半监督的朴素贝叶斯(Bernoulli)的实现.根据github中的这个链接的说法，一年前有一些关于它的工作和讨论(SemisupervisedNB班)。另一方面，似乎有(半？)好像后来被另一个用户擦亮了。但是，在当前的稳定版本中，没有任何一个是可用的。

有人能给我举个例子，说明我如何使用这两种实现中的一种与当前发布的scikit-learn一起来构建一个半胱氨酸朴素Bayes吗？谢谢。

P.S.：我正在使用SklearnClassifier类从NLTK学习分类器

编辑

我在我的项目中尝试了SemiSupervisedNB代码，将未标记类的标签从-1更改为2(我使用的是来自NLTK的SKlearnClassifier，而未标记的类得到标签2)。但是，我得到了ValueError:在计算d(模型当前和以前的参数之间的差异)时，数组不能包含infs或NaNs，因为拦截数组包含inf值.知道怎么解决这个问题吗？

Answer 1

几个月前，我开了一个关于这个话题的关于GitHub的问题。可以将相应的代码添加到scikit-learn的当前主分支中。

用户@larsman大约一年前在文件SemisupervisedNB中添加了一个实验班sklearn/naive_bayes.py。这段代码驻留在分叉的scikit-learn存储库的分支emnb中，可以访问这里。

基本代码驻留在两个文件中：

1. 必须将当前主分支中的文件naive_bayes.py替换为emnb分支中的旧文件。
2. 对类LabelBinarizer进行编辑是必要的，这可以在主分支的文件sklearn/preprocessing.py中找到。整个类必须替换为@larsman‘emnb分支中的定义。在那里，它驻留在文件sklearn/preprocessing/__init__.py中。

尽管朴素的Bayes分类器的代码一年来没有发生很大变化，但还是添加了一些bug修复程序。因此，保留文件naive_bayes.py和类LabelBinarizer的当前版本并给实验版本取不同的名称是有意义的。

我刚刚创建了自己的scikit分支--学习存储库，并在当前稳定的分支0.13.X之上添加了实验文件。这个分支称为0.13.X-emnb，可以访问这里。如果您查看我最近提交的三个文件(1、2和3.)，您会看到我更改和新创建了哪些文件。

由于SemisupervisedNB不与其他分类器的最新版本一起工作，所以我刚刚在naive_bayes.py旁边添加了一个名为semisupervised_naive_bayes.py的新模块。在这里，您可以在重命名版本中找到分类器的旧版本，例如SemiMultinomialNB而不是MultinomialNB，这样它们就不会与最新版本的分类器发生冲突。类似地，我在SemisupervisedLabelBinarizer旁边添加了一个类LabelBinarizer (名称的选择有点不幸，但至少它应该用于什么)。

因此，如果您想使用分类器的半自动版本，请使用模块sklearn.semisupervised_naive_bayes。对于当前版本，请使用模块sklearn.naive_bayes。

但请记住，这是非常实验性的。这只是让这段旧代码正常工作的一个设置。我还没找过虫子。