进一步,便可以导入LabelSpreading进行模型训练和测试,代码如下: 1deftest_label_spreding():2x_train,x_test,y_train,y_test,y_mixed=load_data()3ls=LabelSpreading(alpha=0.2)4ls.fit(x_train,y_mixed)5print("Label Spreading")6print(f"训练集上的准确率为:{ls.score(x_train, y_train)}")7print(...
设定为随机标签;第3-7行是LP算法分别在训练集和测试集上的表现结果;第9-16行分别是LS算法在训练集和测试集上的结果,同时这里使用了网格搜索与交叉验证来寻找超参数 (这部分内容可以参考文章K近邻算法与原理第5.3.2节内容)。在上述代码中运行结束后便会得到类似如下所示的结果: 从上述结果可以看出,无论是在训练...