Python 基于sklearn的半监督学习

我有一个大的多维未标记的汽车数据集（价格、里程、马力等等），我想找到这些数据的异常值。我决定使用sklearn OneClassSVM构建决策边界，我的方法存在两个主要问题：

• 我的数据集包含许多缺少的值。如果缺失特征的任何可能值都是内插器，有没有办法让svm将缺失特征的数据分类为内插器
• 我现在想添加一个手动调节异常值的反馈循环。人工调节的数据应该改进SVM的分类。我读过关于半监督学习的标签扩散模型。当手动验证足够数量的记录时，将OneClassSVM的分类输出输入到LabelSpreading模型并重新训练该模型是否可行

---

关于第一个问题。您可以使用sklearn.preprocessing.imputer通过平均值或中位数来插补缺失值：

您可以添加一些布尔特征，如果其他一些特征具有NAN，则这些布尔特征将重新编码。因此，如果你有特征X_1，X_2，你可以添加布尔特征

X_1_是n，X_2_是n

如果X_1==NaN或X_2==NaN，则为1。如果X是原始pd.DataFrame，则可以通过

 X = pd.DataFrame()
 # Create your features here 

 # Get the locations of the NaNs
 X_2 = 1.0 * X.isnull()

 # Rename columns
 X_2.rename(columns=lambda x: str(x)+"_has_NaN", inplace=True)

 # Paste them together
 X = pd.concat([X, X_2], axis=1)