«Unwrapping» Объект SklearnClassifier - NLTK Python

Question

Я использовал обертку SklearnClassifier() из пакета python NLTK для обучения нескольких классификаторов sklearn (LogisticRegression() и RandomForest()) для задачи двоичной классификации, где текст - это функции. Существуют ли какие-либо функциональные возможности, позволяющие «разворачивать» этот объект, чтобы можно было получить доступ к таким параметрам, как оценки параметров (для логистической регрессии) или список переменных важности из случайного леса (или любой из элементов, доступных из исходного объекта sklearn) ? Объект классификатора nltk может оценивать новые экземпляры, поэтому базовая информация должна содержаться в этом объекте где-нибудь? Спасибо вам за мысли.

Answer 1

Ваш классификатор скрыт под переменной _clf.

classifier = SKLearnClassifier(MLPClassifier()) 
mlp = classifier._clf 

Документация по адресу http://www.nltk.org/_modules/nltk/classify/scikitlearn.html:

def __init__(self, estimator, dtype=float, sparse=True): 
    """ 
    :param estimator: scikit-learn classifier object. 

    :param dtype: data type used when building feature array. 
     scikit-learn estimators work exclusively on numeric data. The 
     default value should be fine for almost all situations. 

    :param sparse: Whether to use sparse matrices internally. 
     The estimator must support these; not all scikit-learn classifiers 
     do (see their respective documentation and look for "sparse 
     matrix"). The default value is True, since most NLP problems 
     involve sparse feature sets. Setting this to False may take a 
     great amount of memory. 
    :type sparse: boolean. 
    """ 
    self._clf = estimator 
    self._encoder = LabelEncoder() 
    self._vectorizer = DictVectorizer(dtype=dtype, sparse=sparse)