基于scikit-learn的半监督学习回归

Question

标签传播可以用于scikit-learn中的半监督回归任务吗?根据其API，答案是肯定的。http://scikit-learn.org/stable/modules/label_propagation.html

然而，当我试图运行以下代码时，我得到了错误消息。

from sklearn import datasets
from sklearn.semi_supervised import label_propagation
import numpy as np
rng=np.random.RandomState(0)
boston = datasets.load_boston()
X=boston.data
y=boston.target
y_30=np.copy(y)
y_30[rng.rand(len(y))<0.3]=-999
label_propagation.LabelSpreading().fit(X,y_30)

---

显示label_propagation.LabelSpreading().fit(X,y_30)行中出现"ValueError: Unknown label type: 'continuous'"。

我该如何解决这个问题?非常感谢。

Answer 1

看起来像文档中的错误，代码本身显然只是分类(BasePropagation类的.fit调用的开始):

    check_classification_targets(y)
    # actual graph construction (implementations should override this)
    graph_matrix = self._build_graph()
    # label construction
    # construct a categorical distribution for classification only
    classes = np.unique(y)
    classes = (classes[classes != -1])

理论上，你可以删除"check_classification_targets"调用并使用"类似回归的方法"，但它不会是真正的回归，因为你永远不会"传播"任何在训练集中没有遇到的值，你将简单地将回归值视为类标识符。并且您将无法使用值"-1"，因为它是"unlabeled"的代号…