我使用了NLTK python包中的SklearnClassifier（）包装器来训练一些sklearn分类器（LogisticRegression（）和RandomForest（）），用于二进制分类问题，其中文本是特征。是否有任何功能允许人们“解包”此对象，以便可以访问诸如参数估计（用于逻辑回归）或来自随机林（或原始sklearn对象中可用的任何项目）的变量重要性列表之类的内容？ nltk分类器对象可以对新实例进行评分，因此底层信息必须包含在该对象的某个位置？谢谢你的想法。
答案 0 :(得分：0)
您的分类器隐藏在_clf变量下。
match path = (n)-[*0..1]->()
with collect(path) as paths
call apoc.gephi.add(null, 'workspace1', paths, '', ['attr1', 'attr2']) yield nodes, relationships, time
return nodes, relationships, time
http://www.nltk.org/_modules/nltk/classify/scikitlearn.html上的文档：
classifier = SKLearnClassifier(MLPClassifier())
mlp = classifier._clf