图的半监督学习——标签传播

根据书中301~304页的说明可以得知，图半监督学习存在两个较为突出的不足之处：

1. 在处理大规模数据集时表现出效率较低的问题；
2. 对于新出现的样本难以直接完成分类任务。

接下来将借助sklearn库中的半监督学习模块，对上述特性进行实证分析。本次实验选用iris数据集中第一和第三项特征作为测试对象，该库所采用的半监督学习方法基于标记传播机制，具体又可分为标记传播（Label Propagating）与标记扩散（Label Spreading）两种方式，二者之间的区别在官方文档中已有明确阐述，在此不再赘述。本次实验采用的是标记传播方法，并分别使用不同比例的已标记样本与未标记样本进行传播处理，同时将其结果与SVM算法所得结果进行比较（由于标记传播算法本身无法直接对新样本进行分类，因此在sklearn中label_propagating模块采取的方式是针对新样本重新开展一次学习过程以预测其类别标签），具体实现代码如下：

    import numpy as np
    import matplotlib.pyplot as plt
    from s