半监督学习python代码

半监督学习是一种机器学习方法，它利用有标签和无标签的数据来进行模型训练。下面是一个使用Python实现半监督学习的示例代码：

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.semi_supervised import LabelPropagation

# 生成一个二分类的数据集
X, y = make_classification(n_samples=1000, n_features=10, n_informative=5, n_classes=2, random_state=42)

# 将数据集划分为有标签和无标签的数据
X_labeled, X_unlabeled, y_labeled, _ = train_test_split(X, y, test_size=0.8, random_state=42)

# 创建半监督学习模型
model = LabelPropagation()

# 使用有标签的数据进行模型训练
model.fit(X_labeled, y_labeled)

# 使用无标签的数据进行预测
y_pred = model.predict(X_unlabeled)

# 输出预测结果
print(y_pred)

在这个示例代码中，我们首先使用`make_classification`函数生成一个二分类的数据集。然后，我们将数据集划分为有标签和无标签的数据，其中有标签的数据占总数据的20%。接下来，我们创建一个`LabelPropagation`的半监督学习模型，并使用有标签的数据进行模型训练。最后，我们使用无标签的数据进行预测，并输出预测结果。