具有正数和未标记数据集的二进制半监督分类

Question

我的数据由评论（保存在文件中）组成，其中很少被标记为肯定。我想使用半监督和PU分类将这些评论分类为正面和负面类。我想知道在python（scikit-learn）中是否有半监督和PU实现的公开实现？

Answer 1

您可以尝试训练一类SVM，看看能给您带来什么样的结果。我还没有听说过PU纸。我认为，出于所有实际目的，你会更好地标记一些点然后使用半监督方法。 如果发现负面点很难，我会​​尝试使用启发式方法来找出推定的负面点（我认为这与PU论文中的技术类似）。您可以将未标记与正数分类，然后仅查看未标记的分数，或者学习单类SVM或类似物，然后在异常值中查找负点。

如果您对实际解决任务感兴趣，我宁愿花时间进行手动标记而不是实施花哨的方法。