Scikit-learn的LabelPropagation和LabelSpreading不能直接用于自动打标，因其仅输出最可能类别且无可信度阈值，需结合标准化、高置信伪标签筛选、闭环重训与人工校验才能构建可靠半监督标注流程。
Scikit-learn 的 LabelPropagation 和 LabelSpreading 能直接做标签传播，但默认参数在真实数据上常失效——不是收敛太慢，就是伪标签噪声爆炸。关键不在“能不能用”，而在怎么调参、怎么预处理、怎么验证传播质量。
LabelPropagation vs LabelSpreading：区别不止是正则化
两者都基于图模型，但行为差异明显：
-
LabelPropagation用硬标签更新（类似硬分配），迭代中不引入正则项，对初始标签质量极度敏感；一旦有错标样本，错误会快速扩散 -
LabelSpreading在每步更新后做软归一化 + α 正则（alpha=0.2默认），更鲁棒，适合噪声稍大的半监督场景 - 两者都依赖
kernel='rbf'构建相似度图，但gamma必须手动调：太小 → 图稀疏 → 传播断连；太大 → 全连接 → 标签混杂。建议从gamma=1e-3开始网格搜索
输入数据必须标准化，且不能有缺失值
标签传播本质是距离敏感的图学习，未标准化的特征会让欧氏距离失真，导致相似度计算完全失效。常见报错如 ConvergenceWarning: Graph is not fully connected 往往就源于此。
- 必须用
StandardScaler或MinMaxScaler对所有特征统一缩放（含未标记样本） -
fit_transform()只能作用于训练集（含带标签样本），未标记样本需用同一 scaler 的transform()处理 - 任何
NaN都会导致NearestNeighbors（底层用）报ValueError: Input contains NaN，务必提前用SimpleImputer填充
如何判断传播结果是否可信？别只看准确率
半监督下无法直接算测试集准确率（否则就不是半监督了）。真正该盯的是：
立即学习“Python免费学习笔记（深入）”；
- 传播后每个未标记样本的置信度：用
predict_proba()拿到概率矩阵，检查最大概率值的分布——若大量样本最大概率 - 伪标签一致性：对同一未标记样本，换不同
gamma或不同alpha运行两次，看预测标签是否稳定。不稳定即信号弱 - 人工抽检：随机抽 50 个高置信度伪标签样本，肉眼验证。发现 >10% 错误，就得回退重调图构建策略（比如换
kernel='knn'）
最易被忽略的一点：标签传播不输出模型对象，它是一次性图推断。你不能像 fit()/predict() 那样反复用同一个实例预测新样本——新数据必须重新构图、重新传播。
