具有仅正和未标记数据集的二元半监督分类

Question

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

Answer 1

您可以尝试训练一类 SVM，看看会产生什么样的结果。我没听说过PU纸。我认为出于所有实际目的，您最好标记一些点，然后使用半监督方法。如果很难找到负点，我会尝试使用启发式方法来查找假定的负点（我认为这类似于 PU 论文中的技术）。您可以对未标记的与正的进行分类，然后只查看那些得分高的未标记的，或者学习一类 SVM 或类似的，然后在异常值中寻找负点。

如果您对实际解决任务感兴趣，我宁愿花时间在手动标记上而不是实施花哨的方法。