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

然而，当我尝试运行以下代码时，收到了错误消息。

from sklearn import datasetsfrom sklearn.semi_supervised import label_propagationimport numpy as nprng=np.random.RandomState(0)boston = datasets.load_boston()X=boston.datay=boston.targety_30=np.copy(y)y_30[rng.rand(len(y))<0.3]=-999label_propagation.LabelSpreading().fit(X,y_30)

在label_propagation.LabelSpreading().fit(X,y_30)这一行显示了”ValueError: Unknown label type: ‘continuous'”错误。

我该如何解决这个问题？非常感谢。

回答：

看起来是文档中的错误，代码本身显然只适用于分类（在BasePropagation类的.fit调用开始部分）：

    check_classification_targets(y)    # 实际图构建（实现应覆盖此方法）    graph_matrix = self._build_graph()    # 标签构建    # 仅为分类构建分类分布    classes = np.unique(y)    classes = (classes[classes != -1])

理论上，你可以移除”check_classification_targets”调用，并使用类似回归的方法，但这并不是真正的回归，因为你永远不会“传播”训练集中未遇到的任何值，你只是将回归值视为类标识符。而且你将无法使用值”-1″，因为它是“未标记”的代号…