数据挖掘 —— 半监督学习(标签传播算法)
数据挖掘 —— 半监督学习(标签传播算法)
- 标签传播算法
- 参数解释
- 代码
- 结果
标签传播算法
参数解释
标签传播算法要求为标注数据标签为1
LablePropagation(kernel,gamma,n_neighbors)
- kernel:{“knn”,“rbf”}
- gamma:rbf中的r
- n_neighbors:knn中的参数
代码
from sklearn.datasets import load_iris
from sklearn.semi_supervised import LabelPropagation
import numpy as np
import pandas as pd
from sklearn.metrics import accuracy_score,recall_score,f1_score
iris = load_iris()
labels = np.copy(iris.target)
labels[np.random.rand(len(labels)) < 0.3] = -1
label_prop_model = LabelPropagation()
label_prop_model.fit(iris.data,labels)
label_predict = label_prop_model.predict(iris.data)
print("acc_score:",accuracy_score(iris.target,label_predict))
print("acc_score:",recall_score(iris.target,label_predict,average="macro"))
print("acc_score:",f1_score(iris.target,label_predict,average="macro"))
结果
acc_score: 0.98
acc_score: 0.98
acc_score: 0.9799819837854069
by CyrusMay 2022 04 05
数据挖掘 —— 半监督学习(标签传播算法)相关推荐
- 半监督+标签传播算法
半监督+标签传播算法 sklearn中LabelPropagation和LabelSpreading的区别? LabelSpreading model is similar to the basic ...
- 什么是标签传播算法?为什么要使用标签传播算法?如何使用?
什么是标签传播算法?为什么要使用标签传播算法?如何使用? 标签传播在半监督学习中很有用,在半监督学习中,我们有很少的标记点和大量的未标记实例,我们希望将标签从标记样本传播到未标记样本,这样我们就可以扩 ...
- 标签传播算法(Label Propagation)及Python实现
众所周知,机器学习可以大体分为三大类:监督学习.非监督学习和半监督学习.监督学习可以认为是我们有非常多的labeled标注数据来train一个模型,期待这个模型能学习到数据的分布,以期对未来没有见到的 ...
- 社区发现(三):LPA算法(标签传播算法)
引用:https://blog.csdn.net/itplus/article/details/9286905 引用:https://www.jianshu.com/p/0c66b2717972 文章 ...
- 【知识图谱】两种 Python 方法实现社区发现之标签传播算法(LPA)
在Graph领域,社区发现(Community detection)是一个非常热门且广泛的话题,后面会写一个系列,该问题实际上是从子图分割的问题演变而来,在真实的社交网络中,有些用户之间连接非常紧密, ...
- 浅谈标签传播算法:LPA
标签传播算法:LPA 1.半监督学习 让学习器不依赖外界交互,自动的利用未标记样本来提升学习性能,这种就是半监督学习,主要用来处理现实中有标记数据少.未标记数据多的问题,要利用未标记的数据,必须要做一 ...
- 半监督学习深度学习算法
该文章主体摘自知乎糯米稻谷的文章,对一些细节添加了自己的理解 文章链接https 半监督学习 啥是半监督学习(Semi-supervised Learning) 1.简单自训练(simple self ...
- 聚类——标签传播算法以及Python实现
标签传播算法(label propagation)是典型的半监督聚类算法.半监督是指训练数据集中小部分样本点已知标签,大部分样本点未知标签. 核心思想 相似性较大的样本点间应该具有相同的标签,将已知标 ...
- LPA标签传播算法——MATLAB实现及代码
•标签传播算法 (LPA)是由 Zhu 等人于 2002 年提出,它是一种基于图的半监督学习方法,其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息.利用样本间的关系建立关系完全图模型,在完 ...
最新文章
- Angular 可观察对象(Observable)
- 大夏书系·学习共同体:走向深度学习
- Kotlin 4 构造,对象,修饰符,关键字,委托
- 什么样的人适合微信创业
- Atitit 并发处理 go与 java对比较 目录 1. 并发编程的七个模型 线程,fp,actor,csp 数据级并行 Lambda	1 2. 四种并发编程模型简介 多线程,callback
- 转自《我的2017,熠熠生辉》的沙发评论
- 实用小技巧 利用Python一秒将全部中文名转为拼音
- UE4 用spline画正圆
- BIGEMAP添加在线地图地图数据源
- 家居行业数字化建设解决方案
- 使用ansible统一管理修改Linux和Windows管理员密码
- 软件测试完后,运行后还有BUG,测试人员就应该背锅吗?
- 计算某年某月某日是该年中的第几天
- u盘装系统学计算机好,大家说最好的u盘装系统工具是哪一个
- 基于遗传算法改进的BP神经网络电网负荷预测,GA-BP神经网络电网负荷预测,1000案例之14
- 数字中国的视觉进阶:ISP的来处与归途
- 更改awr快照保存时间_如何更改OS X中屏幕快照的保存位置
- 关闭电脑浏览器快捷键
- 《小王子》,《纳尼亚传奇:魔法师的外甥》,《鲁滨逊漂流记》短语合集
- openLayers实现地名地址搜索及展示
热门文章
- HashiCorp Nomad和遗留系统
- go标准命令详解0.2 go install
- jsp页面怎么调用的servlet
- linux内置变量大全,Linux进阶之bash编程四(内置变量)
- html5 datalist属性,HTML5 元素 datalist 介绍
- java 输出_使用IntelliJ IDEA2020.2.2 x64新建java项目并且输出Hello World
- pythonisodd函数_python3.5|小白入门基础语法之数据结构、函数、迭代,确实简洁...
- Facebook基于数据中心的机器学习实践
- 数据中心建设模式变革-- 如何采用EPC模式实现快速交付?
- c语言程序开发中连接是,C语言中等待socket连接和对socket定位的方法