LabelSpreading 的transduction与新样本预测有什么区别

LabelSpreading 里的 transduction_ 和 predict(X) 不是同一个入口。前者是 fit(X, y) 时在整张训练图上给样本分配的标签，包含原本用 -1 标记的未标注样本；后者是模型拟合后对一批输入特征做归纳式推断，适合处理之后到来的新样本。已经有标签的训练点不要拿来证明泛化效果，生产数据也不要把 transduction_ 当成新样本预测接口。

官方文档：https://scikit-learn.org/stable/modules/generated/sklearn.semi_supervised.LabelSpreading.html

先按样本来源拆开两个结果

LabelSpreading 是半监督分类器。fit 接收带标签和未标注样本的 X，未标注位置通常在 y 中写成 -1。算法根据样本之间的相似关系传播类别信息，最终把每个 fit 输入对应的标签保存到 transduction_。它回答的是“这张已参与传播的图上，每个节点现在被分到哪一类”。

predict(X_new) 的问题不同：X_new 可以是 fit 之后才出现的数据，接口执行的是文档所称的 inductive inference。它返回新输入的类别；如果需要每一类的归一化分布，使用 predict_proba。因此，二者最大的区别不是返回值类型，而是样本是否已经进入本次 fit 的传播图。

用接口名称确认“图内标签”还是“新数据预测”

下面的写法只展示接口关系。代码中的 X_new 不应被拼回原训练数组后再用结果冒充线上预测；上线时应保留训练特征处理流程，并检查列数和顺序与 n_features_in_ 一致。

import numpy as np
from sklearn.semi_supervised import LabelSpreading

# -1 表示这一行没有人工标签，参与传播但不是已知类别。
X_fit = np.array([[0.0, 0.1], [0.2, 0.0], [1.0, 1.1], [1.2, 0.9]])
y_fit = np.array([0, -1, 1, -1])

# alpha 控制邻居信息相对初始标签的影响，不是置信度阈值。
model = LabelSpreading(kernel="rbf", alpha=0.2, max_iter=30)
model.fit(X_fit, y_fit)

# 读取 fit 阶段整张图的传导标签，长度与 X_fit 相同。
labels_on_graph = model.transduction_

# 新样本走归纳式预测；概率列按 model.classes_ 对齐。
X_new = np.array([[0.1, 0.2], [1.1, 1.0]])
new_labels = model.predict(X_new)
new_probabilities = model.predict_proba(X_new)

如果业务只想查看训练图上未标注点的补全结果，可以用 transduction_ 配合原始的 y_fit == -1 掩码；如果业务要给刚上传的记录分类，就应该调用 predict，并在需要人工复核时保留 predict_proba 的整行分布，而不是只保存最大类别。

kernel 和 alpha 改变的是传播边界，不是接口含义

kernel="rbf" 使用 RBF 相似度，kernel="knn" 则按近邻关系构图；选择哪个 kernel 会改变样本之间的连接方式。gamma 用于 RBF，n_neighbors 用于 KNN。它们会影响传播结果，但不会把 transduction_ 变成预测新数据的缓存。

alpha 是 clamping factor。官方定义是：样本从邻居吸收的信息相对于初始标签的比例；alpha=0 更偏向保留初始信息，接近 1 则更偏向邻居信息。生产调参时要同时看已知标签是否被稳定保留、未标注区域是否出现整片偏向，以及新样本的概率分布是否过于平均。不要把 alpha 直接解释成“只接受 20% 置信度”。

上线前用四项检查避免误读

第一，确认训练图里的 -1 只代表未标注，不要把它当成一个真实类别；第二，把 transduction_ 和原始行号一起落盘，避免传播后重排造成错配；第三，对新样本使用与训练期完全一致的特征缩放、词向量或列选择；第四，对低置信度的新样本设置人工复核或“暂不判定”分支。若要评估泛化能力，应使用独立的有标签验证集调用 predict 后再计算指标，不能直接对 transduction_ 做训练集式自评。

相关问题

transduction_ 会包含原本已经标注的样本吗？

会。它对应 fit 输入的全部样本；未标注点会被传播赋值，但已标注点也位于同一个结果数组中。

新样本能直接追加到 transduction_ 吗？

不能。新样本应调用 predict 或 predict_proba；若数据分布或特征空间发生变化，应重新设计训练和评估流程。

predict_proba 的列顺序怎样确认？

用 model.classes_ 对照概率矩阵的列，不能按业务标签名称的字典序自行猜测。