科学学习回归的半监督学习

Question

标签传播可以用于科学学习中的半监督回归任务吗？根据其API，答案是肯定的。propagation.html

但是，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)

它显示了label_propagation.LabelSpreading().fit(X，y_30)行中的“label_propagation.LabelSpreading:未知标签类型：‘连续’”。

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(请求BasePropagation类的BasePropagation类调用)：

    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，您可以删除"check_classification_targets“调用并使用”回归类似方法“，但它并不是真正的回归，因为您永远不会”传播“任何在培训集中没有遇到的值，您只需将回归值作为类标识符。您将无法使用值"-1“，因为它是”未标记“的代号.