使用 scikit-learn 为 NER 训练 NLP 对数线性模型答案

【问题标题】：Using scikit-learn to training an NLP log linear model for NER使用 scikit-learn 为 NER 训练 NLP 对数线性模型
【发布时间】：2016-01-19 19:54:02
【问题描述】：

我想知道如何使用sklearn.linear_model.LogisticRegression 来训练 NLP 对数线性模型以进行命名实体识别 (NER)。

一个典型的对数线性模型定义条件概率如下：

与：

x：当前单词
y：正在考虑的单词类别
f：特征向量函数，将单词 x 和类 y 映射到标量向量。
v：特征权重向量

sklearn.linear_model.LogisticRegression可以训练出这样的模型吗？

问题在于功能取决于类。

【问题讨论】：

标签： nlp scikit-learn

【解决方案1】：

在 scikit-learn 0.16 及更高版本中，您可以使用 sklearn.linear_model.LogisticRegression 的 multinomial 选项来训练对数线性模型（又名 MaxEnt 分类器，多类逻辑回归）。目前 multinomial 选项是 supported only 由“lbfgs”和“newton-cg”求解器提供。

以 Iris 数据集为例（4 个特征，3 个类别，150 个样本）：

#!/usr/bin/python
# -*- coding: utf-8 -*-

from __future__ import print_function
from __future__ import division

import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model, datasets
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report

# Import data 
iris = datasets.load_iris()
X = iris.data # features
y_true = iris.target # labels

# Look at the size of the feature matrix and the label vector:
print('iris.data.shape: {0}'.format(iris.data.shape))
print('iris.target.shape: {0}\n'.format(iris.target.shape))

#  Instantiate a MaxEnt model
logreg = linear_model.LogisticRegression(C=1e5, multi_class='multinomial', solver='lbfgs')

# Train the model
logreg.fit(X, y_true)
print('logreg.coef_: \n{0}\n'.format(logreg.coef_))
print('logreg.intercept_: \n{0}'.format(logreg.intercept_))

# Use the model to make predictions
y_pred = logreg.predict(X)
print('\ny_pred: \n{0}'.format(y_pred))

# Assess the quality of the predictions
print('\nconfusion_matrix(y_true, y_pred):\n{0}\n'.format(confusion_matrix(y_true, y_pred)))
print('classification_report(y_true, y_pred): \n{0}'.format(classification_report(y_true, y_pred)))

sklearn.linear_model.LogisticRegression was introduced in version 0.16 的 multinomial 选项：

添加multi_class="multinomial"选项 :class:linear_model.LogisticRegression 实现一个物流最小化交叉熵或多项损失的回归求解器而不是默认的 One-vs-Rest 设置。支持lbfgs 和 newton-cg 求解器。通过Lars Buitinck_ 和Manoj Kumar_。求解器选项 newton-cg 由 Simon Wu。

【讨论】：