数据点被很好分类的概率

Question

我混合了带标签的数据和未带标签的数据，这最后一个我想使用半监督学习对其进行分类。假设我已经有一种算法，可以让我在预测训练子样本的标签时获得最高的准确性。我想使用该算法来预测未标记子样本的标签。在半监督学习中，将伪标记的数据添加到标记的（训练）数据中。我只想从伪标记的数据中选择那些被很好分类的概率高于0.8的点，然后重复该过程，直到所有未标记的数据都被伪标记的概率很高为止。我怎样才能做到这一点？是否有代码或内置函数可以帮助我计算出这种可能性？

Answer 1

所有这些算法

AdaBoostClassifier，BaggingClassifier，BayesianGaussianMixture，BernoulliNB，CalibratedClassifierCV，ComplementNB，DecisionTreeClassifier，ExtraTreeClassifier，ExtraTreesClassifier，GaussianMixture，GaussianNB，GaussianProcessClassifier，GradientBoostingClassifier，KNeighborsClassifier，LabelPropagation，LabelSpreading，LinearDiscriminantAnalysis，LogisticRegression，LogisticRegressionCV，MLPClassifier，MultinomialNB，NuSVC，QuadraticDiscriminantAnalysis，RandomForestClassifier，SGDClassifier，SVC，_BConstantLaussPreian

支持一种叫做predict_proba（self，X）的方法，它并不能做到这一点。