我有2000个标记数据（7种不同标签）和大约100K未标记数据，我正在尝试使用sklearn.semi_supervised.LabelPropagation。数据有1024个维度。我的问题是分类器将所有内容标记为1.我的代码如下所示：
X_unlabeled = X_unlabeled[:10000, :]
X_both = np.vstack((X_train, X_unlabeled))
y_both = np.append(y_train, -np.ones((X_unlabeled.shape[0],)))
clf = LabelPropagation(max_iter=100).fit(X_both, y_both)
y_pred = clf.predict(X_test)
y_pred就是全部。此外，X_train是2000x1024，X_unlabeled是未标记数据的子集，即10000x1024。
我在分类器上调用fit时也会收到此错误：
/usr/local/lib/python2.7/site-packages/sklearn/semi_supervised/label_propagation.py:255：运行时警告：在分隔中遇到无效值 self.label_distributions_ / = normalizer
答案 0 :(得分：2)
您是否为gamma参数尝试了不同的值？由于图是通过计算rbf内核构造的，因此计算包括指数，如果值是一个太大的负数，则python指数函数返回0（参见http://computer-programming-forum.com/56-python/ef71e144330ffbc2.htm）。如果图形填充为0，则label_distributions_将填充“nan”（由于规范化）并出现警告。 （小心，scikit实现中的伽玛值乘以欧氏距离，这与朱纸上的不一样。）
答案 1 :(得分：0)
LabelPropagation最终将在版本0.19中修复