# Лабораторная работа: 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 файлов
- `README.md` — текущий файл