| .ipynb_checkpoints | ||
| src | ||
| .gitignore | ||
| README.md | ||
| requirements.txt | ||
| week4_semi_supervised.ipynb | ||
# Semi-Supervised Classification
Дисциплина: Искусственные нейронные сети и машинное обучение Тема: Полуобученная классификация с использованием Label Spreading Автор: Бортников Роман, студент группы ИНБб-2301-02-00 Год: 2026
Описание
В данной работе исследуется алгоритм полуобученной классификации Label Spreading из библиотеки scikit-learn.
Цель — продемонстрировать, как использование неразмеченных данных улучшает качество модели по сравнению с классификатором, обученным только на малом количестве размеченных примеров.
Работа выполнена в рамках задания по самостоятельному изучению примеров из официальной галереи scikit-learn (раздел Semi-Supervised Classification).
Структура репозитория
week4_semi_supervised.ipynb— Jupyter ноутбук с полным анализом:- Встроенный датасет Iris (синтетический пример)
- Внешний датасет Breast Cancer Wisconsin (из OpenML)
- Сравнение Label Spreading и SVM
- Визуализация границ решений и PCA-проекций
requirements.txt— список зависимостей Python.gitignore— исключения для виртуального окружения и временных файловREADME.md— текущий файл