Scikitlearn：半监督naivebayes实现可用吗？

Question

我想用Scikit的半监督naivebayes（Bernoulli）实现。据this link in github介绍，一年前就有一些关于它的工作和讨论（class semi-superviednb）。另一方面，似乎有another different implementation (function fit_semi?) which seems it was polished by another user afterwards。但是，在当前的稳定版本中没有一个可用。在

有人能给我举个例子，说明我如何在scikitlearn的当前版本中使用这两个实现中的一个来构建半监督的naivebayes？谢谢。在

注：我正在使用scikit-learn-classifier和类SklearnClassifier

编辑

我在我的项目中尝试了semiSuperviedNb的代码，将未标记类的标签从-1更改为2（我使用的是NLTK中的SKlearnClassifier，而我的未标记类得到了标签2）。但是，我得到了ValueError：当计算d（模型当前和以前参数之间的差异）时，数组不能包含infs或NaNs，因为截获数组包含inf值。。。有什么办法解决这个问题吗？在

Answer 1

几个月前，我打开了一个关于这个主题的issue on GitHub。可以将相应的代码添加到scikit learn的当前主分支。在

用户@larsmans在大约一年前向文件sklearn/naive_bayes.py添加了一个实验类SemisupervisedNB。此代码驻留在他的分支scikit学习库的分支emnb，可以访问here。在

基本代码保存在两个文件中：

1. 当前主分支中的文件naive_bayes.py必须替换为emnb分支中的旧文件。

2. 必须对类LabelBinarizer进行编辑，该编辑可以在主分支的文件sklearn/preprocessing.py中找到。整个类必须被它在@larsmans'emnb分支中的定义所取代。在那里，它位于文件sklearn/preprocessing/__init__.py。

尽管naivebayes分类器的代码一年来没有太大的变化，但还是添加了一些bug修复。因此，保留文件naive_bayes.py和类LabelBinarizer的当前版本，并为实验版本提供不同的名称是有意义的。在

我刚刚创建了我自己的scikit学习库的分支，并在当前稳定分支0.13.X上添加了实验文件。这个分支叫做0.13.X-emnb，可以访问here。如果你看看我最近的三次提交（1和2和3），你就会看到我已经更改和新建了哪些文件。在

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

因此，如果您想使用半监督版本的分类器，请使用模块sklearn.semisupervised_naive_bayes。对于当前版本，请使用模块sklearn.naive_bayes。在

但请记住，这是高度实验性的。这只是让旧代码工作的一个设置。我没找过虫子。在