图半监督学习——标记传播

作者：小舞很执着 | 2024-07-09 14:11:00

踩

标记传播

从书上301~304页的介绍可知，图半监督学习具有两个明显的缺点：

处理大规模数据时性能欠佳；

难以直接对新样本进行分类。

下面采用sklearn的半监督学习模块来验证上述特性。
选用iris数据集的第1、3项属性开展测试，sklearn 的半监督学习算法是利用标记传播进行学习，具体又分为标记传播（Label Propagating）和标记扩散（Label Spreading），两者的差异在官方文档里已经说的很清楚，此处不再详述，此处采用的是标记传播，分别用不同比例的标记和未标记进行标记传播，并与SVM的结果进行对比（标记传播算法不能直接对新样本进行分类，sklearn中的label_propagating 采取的方法是对新样本重新进行一次学习来预测其标记），具体代码如下：

import numpy as np
import matplotlib.pyplot as plt
from<1
2
3

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小舞很执着/article/detail/802620