通过scikit-learn进行回归的半监督学习

Question

标签传播可以用于scikit-learn中的半监督回归任务吗？ 根据其API，答案是肯定的。 http://scikit-learn.org/stable/modules/label_propagation.html

但是，当我尝试运行以下代码时收到错误消息。

from sklearn import datasets
from sklearn.semi_supervised import label_propagation
import numpy as np
rng=np.random.RandomState(0)
boston = datasets.load_boston()
X=boston.data
y=boston.target
y_30=np.copy(y)
y_30[rng.rand(len(y))<0.3]=-999
label_propagation.LabelSpreading().fit(X,y_30)

它显示＆＃34; ValueError：未知标签类型：＆＃39;连续＆＃39;＆＃34;在label_propagation.LabelSpreading（）。fit（X，y_30）行中。

我该如何解决这个问题？非常感谢。

Answer 1

看起来文档中的错误，代码本身显然只是分类（BasePropagation class的// click-event function changeColor() { this.style.backgroundColor = 'yellow'; } // ... square.addEventListener('click', changeColor); 调用的开始）：

.fit

理论上你可以删除＆＃34; check_classification_targets＆＃34;呼叫和使用＆＃34;回归就像方法＆＃34;，但它不会是真正的回归，因为你永远不会传播＆＃34;在训练集中没有遇到的任何值，您只需将回归值视为类标识符。你将无法使用价值＆＃34; -1＆＃34;因为它是＆＃34;未标记的＆＃34; ...

的代号