Question

1. LabelPropagation是 scikit-learn提供的 LabelPropagation算法模型，其原型为：

   
   class sklearn.semi_supervised.LabelPropagation(kernel='rbf', gamma=20, 
   n_neighbors=7, alpha=1, max_iter=30, tol=0.001)

   • kernel：一个字符串，指定距离函数（用于计算边的权重）。可以为下列的值：

     • 'rbf'： 距离函数为： $ MathJax-Element-8 $ 。它的计算量较大，且距离矩阵是对称的。
     • 'knn' ：如果 $ MathJax-Element-9 $ 是 $ MathJax-Element-10 $ 的 $ MathJax-Element-11 $ 近邻，则距离为 1；否则距离为 0。它的计算量较小，且距离矩阵是稀疏矩阵，且距离矩阵不对称的。

   • gamma: 一个浮点数，指定 rbf 距离函数的参数。

   • n_neighbors：一个整数，指定knn距离函数的参数。

   • alpha: 一个浮点数，为折中系数 $ MathJax-Element-12 $ 。

     该参数在scikit-learn 0.21 版本中被移除。因为在 LabelPropagation 算法中，该参数始终为 0 。

   • max_iter：一个整数，指定最大的迭代次数。

   • tol：一个浮点数，指定收敛的阈值。

   • n_jobs：指定并行度。

2. 属性：

   • X_ ：一个形状为(n_samples,n_features) 的数组，表示输入数据。
   • classes_：一个形状为(n_classes,) 的数组，表示分类问题中，类别种类数组。
   • label_distributions_ ：一个形状为(n_samples,n_classes) 的数组，给出了每个样本的标记在每个类别上的分布。
   • transduction_：一个形状为(n_samples,) 的数组，给出每个样本计算出的标记。
   • n_iter_：一个整数，给出迭代次数。

3. 方法：

   • fit(X, y)：训练模型。
   • predict(X)：预测样本标记。
   • predict_proba(X)：预测每个样本在每个类别上的概率分布。
   • score(X, y[, sample_weight])：评估在测试集上的预测准确率。