Note

Go to the end to download the full example code. or to run this example in your browser via Binder

标签传播数字：展示性能#

这个示例通过训练一个标签传播模型来分类手写数字，展示了半监督学习的强大功能，使用的标签集非常少。

手写数字数据集共有1797个点。模型将使用所有点进行训练，但只有30个点会被标记。结果将以混淆矩阵和每个类别的一系列指标的形式展示，效果会非常好。

最后，将展示最不确定的前10个预测。

# 作者：scikit-learn 开发者
# SPDX-License-Identifier: BSD-3-Clause

数据生成#

我们使用数字数据集。我们只使用随机选择的样本子集。

import numpy as np

from sklearn import datasets

digits = datasets.load_digits()
rng = np.random.RandomState(2)
indices = np.arange(len(digits.data))
rng.shuffle(indices)

我们选择了340个样本，其中只有40个样本会被关联到已知标签。因此，我们存储了另外300个样本的索引，这些样本的标签我们不应该知道。

X = digits.data[indices[:340]]
y = digits.target[indices[:340]]
images = digits.images[indices[:340]]

n_total_samples = len(y)
n_labeled_points = 40

indices = np.arange(n_total_samples)

unlabeled_set = indices[n_labeled_points:]

把所有东西都打乱

y_train = np.copy(y)
y_train[unlabeled_set] = -1

半监督学习#

我们拟合一个 LabelSpreading 并使用它来预测未知标签。

from sklearn.metrics import classification_report
from sklearn.semi_supervised import LabelSpreading

lp_model = LabelSpreading(gamma=0.25, max_iter=20)
lp_model.fit(X, y_train)
predicted_labels = lp_model.transduction_[unlabeled_set]
true_labels = y[unlabeled_set]

print(
    "Label Spreading model: %d labeled & %d unlabeled points (%d total)"
    % (n_labeled_points, n_total_samples - n_labeled_points, n_total_samples)
)

Label Spreading model: 40 labeled & 300 unlabeled points (340 total)

分类报告

print(classification_report(true_labels, predicted_labels))

              precision    recall  f1-score   support

           0       1.00      1.00      1.00        27
           1       0.82      1.00      0.90        37
           2       1.00      0.86      0.92        28
           3       1.00      0.80      0.89        35
           4       0.92      1.00      0.96        24
           5       0.74      0.94      0.83        34
           6       0.89      0.96      0.92        25
           7       0.94      0.89      0.91        35
           8       1.00      0.68      0.81        31
           9       0.81      0.88      0.84        24

    accuracy                           0.90       300
   macro avg       0.91      0.90      0.90       300
weighted avg       0.91      0.90      0.90       300

混淆矩阵

from sklearn.metrics import ConfusionMatrixDisplay

ConfusionMatrixDisplay.from_predictions(
    true_labels, predicted_labels, labels=lp_model.classes_
)

<sklearn.metrics._plot.confusion_matrix.ConfusionMatrixDisplay object at 0xffff259ae190>

绘制最不确定的预测#

在这里，我们将挑选并展示10个最不确定的预测。

from scipy import stats

pred_entropies = stats.distributions.entropy(lp_model.label_distributions_.T)

选择最不确定的前10个标签

uncertainty_index = np.argsort(pred_entropies)[-10:]

Plot

import matplotlib.pyplot as plt

f = plt.figure(figsize=(7, 5))
for index, image_index in enumerate(uncertainty_index):
    image = images[image_index]

    sub = f.add_subplot(2, 5, index + 1)
    sub.imshow(image, cmap=plt.cm.gray_r)
    plt.xticks([])
    plt.yticks([])
    sub.set_title(
        "predict: %i\ntrue: %i" % (lp_model.transduction_[image_index], y[image_index])
    )

f.suptitle("Learning with small amount of labeled data")
plt.show()