1

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：{User: 'abc123', Gender: 'M'}

对于每个用户名，我还会收到一袋文本、图像和附加到每个用户名的位置，尽管用户不必至少附加一个文本、一个图像和一个位置。

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 倍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，以便我可以将它们输入元分类器，以提高准确性。

问题在于，由于数据不完整，我不能简单地将每个数据源生成的所有向量组合起来，并将它们输入一个分类器。一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，例如从每个数据源的分类器中获取[男性：0.75，女性：0.25]，将所有类别的值相乘，并使用最高的值作为程序的预测类别。

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属于某种性别的概率权重，而不仅仅是对它们进行分类？

还是有其他满足我需求的算法？

感谢您浏览我的文字墙！

4

1 回答 1

1

我认为您可以在这里使用“朴素贝叶斯”分类器。在这种情况下，类（M 或 F）概率是项的乘积，每个可用特征集一个项，您只需忽略（从产品中排除）任何缺失的特征集。

这是理由。假设特征集是 X1、X2、X3。每一个都是特征向量。朴素贝叶斯假设是特征集在给定类的情况下是独立的，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——它可能是正确的，也可能不是！）当所有特征集都存在时，后验类概率就是 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 是归一化常数，它使 2 个类别的概率加起来为 1。因此，要使用此公式，您需要为每个特征集建立一个密度模型；如果这种方法对您有意义，我们可以讨论这些密度模型。

现在，如果缺少一个功能集（比如 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 = 朴素贝叶斯积分 P(X1 | C) P(X2 | C) P(X3 | C) dX3 = P(X1 | C) P(X2 | C) 积分 P(X3 | C) dX3假设。请注意，积分 P(X3 | C) dX3 = 1，因此 P(X1, X2 | C) = P(X1 | C) P(X2 | C)，即朴素贝叶斯假设仅适用于观察到的特征集，因此您可以继续计算 P(C | X1, X2) = P(X1 | C) P(X2 | C) P(C) / Z，即当朴素贝叶斯模型中缺少某些特征集时，忽略它。

于 2015-03-22T04:39:12.260 回答