我有一些包含用户名及其各自性别的数据。 例如，我的数据列表中的条目可能如下所示： {用户：'abc123'，性别：'M'}
对于每个用户名，我还会收到一包附在其中的文字，图片和位置，但用户不必至少有一个文字，一个图像和一个附加位置。
对于每个数据源，我可以将它们转换为特征向量，然后将其输入分类器。然后，我可以通过10次交叉验证来确认分类器是否有效。
我想结合所有分类器的一些输出，这样我就可以将它们输入到元分类器中，以期提高准确性。
问题在于，由于数据不完整，我不能简单地组合从每个数据源生成的所有向量，并将它们提供给一个分类器。某些用户可能没有图像数据，或者其他用户可能没有位置数据。
我目前的想法是使用每个分类器为每个用户获取一些类别概率集，如[Male：0.75，Female：0.25]，来自每个数据源的分类器，乘以所有类别的值，并使用最高值作为该计划的预测类别。
因此，如果每个数据源（文本，图像，位置）都有1个分类器，那么我总共有3个分类器。即使某些用户缺少一个或两个数据源，我仍然可以获得这些用户的类别概率集。
scikit-learn是否有任何算法可以输出用户具有某种性别的概率权重，而不仅仅是对它们进行分类？
还是有其他算法可以满足我的需求吗？
感谢您浏览我的文字墙！
答案 0 :(得分：1)
我认为你可以使用一个天真的贝叶斯＆＃34;分类器在这里。在这种情况下，类（M或F）概率是术语的乘积，每个可用特征集有一个术语，您只需忽略（从产品中排除）任何缺失的特征集。
这是理由。我们假设特征集是X1，X2，X3。这些中的每一个都是特征向量。朴素贝叶斯假设是特征集在给定类别时是独立的，即P（X1，X2，X3 | C）= P（X1 | C）P（X2 | C）P（X3 | C）。 （请记住，这只是一个简化的假设 - 它可能是也可能不是！）当存在所有特征集时，后验概率只是P（C | X1，X2，X3）= P（X1，X2， X3 | C）P（C）/ Z = P（X1 | C）P（X2 | C）P（X3 | C）P（C）/ Z，其中Z是使得2类概率的归一化常数因此，要使用此配方，您需要每个功能集的密度模型;如果这种方法对你有意义，我们可以谈谈那些密度模型。
现在如果缺少一个功能集（让我们说X3）怎么办？这意味着我们需要计算P（C | X1，X2）= P（X1，X2 | C）P（C）/ Z.但请注意P（X1，X2 | C）=积分P（X1，X2，X3） | C）dX3 =整数P（X1 | C）P（X2 | C）P（X3 | C）dX3 = P（X1 | C）P（X2 | C）积分P（X3 | C）dX3由朴素贝叶斯假设。注意积分P（X3 | C）dX3 = 1，所以P（X1，X2 | C）= P（X1 | C）P（X2 | C），即朴素贝叶斯假设仍然适用于观察到的特征集，所以你可以继续计算P（C | X1，X2）= P（X1 | C）P（X2 | C）P（C）/ Z，即当一个朴素的贝叶斯模型中缺少某些特征集时，只是忽略它。