LabelSpreading 收敛失败或标签同质化的根本原因是相似度图构建不当，尤其是 RBF 核的 gamma 参数未适配数据距离分布，导致图过疏或过密；需标准化特征、预计算相似度矩阵、合理设置 gamma 或改用 KNN 图。
LabelSpreading 为什么总收敛不了或标签全变成同一类
根本原因常是相似度图构建不当，不是算法本身有问题。默认用 rbf 核时，gamma 参数没调好，会导致图太稀疏（大部分节点无连接）或太稠密（所有节点几乎等价），标签没法有效传播。
实操建议：
- 先用
sklearn.metrics.pairwise_distances(X, metric='euclidean')看原始特征距离分布，选gamma使平均最近邻距离落在 0.1–0.5 区间较稳 - 显式传入预计算的相似度矩阵：用
affinity='precomputed'+rbf_kernel(X, gamma=...)，避免内部重复计算和数值溢出 - 确保
X已标准化——未归一化的特征会让欧氏距离失真，尤其混合了数值量纲差异大的列 - 若样本量 > 5000，别直接用默认
n_neighbors=10；改用affinity='knn'并设n_neighbors=5，减少稀疏图噪声
半监督训练中数据增强怎么加才不破坏标签一致性
增强不是越多越好，关键在于“同一张图的不同增强视图”必须映射到模型输出空间里足够接近——否则伪标签会互相冲突，模型越训越乱。
实操建议：
- 只对未标注样本做强增强（如
RandAugment、AutoContrast），标注样本保持弱增强（RandomHorizontalFlip+ColorJitter）或不做增强 - 在损失函数里加一致性正则：比如用
MeanTeacher的 EMA 模型预测作为目标，或直接算两个增强视图输出的KL_divergence - 禁用会改变语义的增强：裁剪尺寸小于原图 60%、旋转超 ±15°、任意遮挡（
RandomErasing）在小样本场景下极易生成歧义样本 - 图像任务中，把增强逻辑封装进
torchvision.transforms.Compose，并在DataLoader的collate_fn里统一控制是否启用强增
LabelPropagation 和 LabelSpreading 该选哪个
二者核心区别不在效果，而在对噪声的容忍度和求解方式：LabelPropagation 是硬约束（迭代更新直到收敛），LabelSpreading 是软约束（带正则项的优化问题），后者更抗标注错误。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
实操建议：
- 标注质量高（比如人工精标前 100 个）、样本少（LabelPropagation，收敛快、结果确定
- 存在明显误标、或有大量弱标注（如网页抓取+关键词过滤）→ 必须用
LabelSpreading，并调大alpha（0.8–0.95）加强正则 - 两者都不支持在线更新；如果数据流式到达，得换
sklearn.semi_supervised.SelfTrainingClassifier+ 基础分类器 - 注意：
LabelSpreading默认用solver='lbfgs'，内存占用比LabelPropagation高 3–5 倍，大数据集需设max_iter=20防卡死
伪标签筛选时为什么 acc 上升但 F1 下降
典型陷阱：只按模型置信度阈值（如 pred_proba.max() > 0.95）筛伪标签，忽略了类别不平衡。高置信度多集中在多数类，少数类伪标签被持续压制，F1 中的召回率项快速坍塌。
实操建议：
- 按每个类单独算置信度分位数：用
np.quantile(pred_proba[:, i], 0.9)得第 i 类阈值，而非全局一刀切 - 引入不确定性校准：对 logits 过
temperature_scaling再算 softmax，避免模型过于自信 - 每轮伪标签生成后，检查各标签数量占比是否与原始标注集分布偏差 > 15%，超了就降该类阈值
- 宁可少选，不可错选：初始轮伪标签量控制在未标注集的 5%–10%，后续逐步放开，比第一轮就塞满更稳
半监督真正难的不是调参，而是判断哪部分未标注数据“值得信”。模型输出的分数只是参考，得结合业务逻辑看样本——比如医疗影像里，边缘模糊的结节图哪怕置信度 0.92，也不如清晰良性图的 0.85 可靠。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
