LabelSpreading是一种基于图的半监督学习算法，由Zhou等人于2003年提出，通过构建相似性图将已知标签平滑地扩散到未标注样本；适用于标注成本高、标注数据极少而无标签数据丰富（如医学图像、工业检测）的场景，尤其在数据服从流形假设且含一定噪声时，因引入正则化项而比LabelPropagation更鲁棒。

LabelSpreading 是什么，什么时候该用它

LabelSpreading 是 scikit-learn 提供的一种半监督学习算法，核心思想是把已标注样本的标签“扩散”到未标注样本上，通过图模型（相似度图）传播信息。它适合小量标注 + 大量无标注数据的场景，比如你只有几十个带标签的图像，但手头有上万张没标过的同类图像。

它不假设数据服从某种生成式分布（不像 LabelPropagation 那样强制行和为1），而是用带正则项的损失函数优化，对噪声标签稍更鲁棒——但注意：如果已标注样本里混了明显错标的数据，LabelSpreading 仍会把错误扩散出去，这点比你想象中更敏感。

怎么调用 LabelSpreading，关键参数有哪些

直接从 sklearn.semi_supervised 导入即可，接口和监督学习模型几乎一致：

from sklearn.semi_supervised import LabelSpreading
from sklearn.datasets import make_classification
import numpy as np
<p>X, y = make_classification(n_samples=200, n_features=2, n_redundant=0,
n_informative=2, n_clusters_per_class=1, random_state=42)</p><h1>假设只给前10个样本打标，其余设为 -1（scikit-learn 半监督算法的约定）</h1><p>y_true = y.copy()
y_true[10:] = -1</p><p>model = LabelSpreading(kernel='rbf', gamma=20, alpha=0.2, max_iter=30)
model.fit(X, y_true)
y<em>pred = model.transduction</em></p>

几个关键参数要注意：

Python Hardener

通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

下载

• kernel：默认 'rbf'，也可选 'knn'；用 'knn' 时必须指定 n_neighbors，且对高维稀疏特征更稳定
• gamma：仅在 kernel='rbf' 时生效，控制 RBF 核的宽度，值越大，局部相似性越强，容易过拟合小簇
• alpha：控制标签平滑程度（0～1），值越小，越相信原始标注；值接近 1 会让结果趋近于均匀分布
• max_iter：默认 30，实际中常需调到 50～100，尤其当 alpha 较小时收敛慢；若看到 ConvergenceWarning，别忽略，要加迭代次数

常见报错和踩坑点

LabelSpreading 表面简单，但实际跑起来容易卡住或结果离谱，多数问题出在预处理和标签格式上：

• 输入 y 中未标注样本必须是 -1，不能是 np.nan、None 或字符串 'unknown'，否则直接报 ValueError: y contains invalid labels
• 数据未标准化就用 kernel='rbf'：RBF 核对量纲极度敏感，特征尺度差异大时，相似度计算失效，扩散结果基本随机；务必先做 StandardScaler 或 MinMaxScaler
• 类别严重不均衡时（比如 95% 是负样本），LabelSpreading 会倾向把未标注样本全判成多数类；可尝试在 fit 前对已标注样本做上采样，或改用 LabelPropagation + 手动调整 tol
• 调参时别只看训练集上的 score()：它的 score() 方法返回的是对已标注样本的准确率，完全不反映未标注部分质量；真正要看的是 model.transduction_ 和你人工抽查的匹配度

如何评估和导出预测结果

LabelSpreading 不提供概率输出，只给出硬标签预测（存在 transduction_ 属性里）。如果你需要置信度参考，可以：

• 查看 model.labeldistributions：形状为 (n_samples, n_classes) 的数组，每行是该样本被分配到各类的“软分布”，虽然不是严格概率，但可用于排序筛选高置信预测
• 对未标注样本，提取 model.labeldistributions[10:, :]，取最大值对应类别作为预测，再按最大值大小降序排列，挑 top-k 当作“伪标签”喂给下一轮监督训练
• 注意：labeldistributions 的列顺序不一定和原始 y 的类别顺序一致，建议用 model.classes_ 对齐

半监督不是黑盒魔法，LabelSpreading 的效果高度依赖初始标注质量、特征表达能力和图结构合理性。最容易被忽略的一点是：它默认把所有样本（包括未标注的）都纳入图节点，一旦样本量上万，内存和计算开销会陡增——这时候得考虑降维、子采样，或者换用更轻量的替代方案。

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！