26 lines
2.3 KiB
Markdown
26 lines
2.3 KiB
Markdown
# 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
|
||
|