机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

无监督学习技术

｜

227

都是其集群的代表图像。让我们看看性能是否更好：

>>>

log_reg = LogisticRegression()

>>>

log_reg.fit(X_representative_digits, y_representative_digits)

>>>

log_reg.score(X_test, y_test)

0.9222222222222223

哇！尽管我们仍然仅在 50 个实例上训练模型，但准确性从 83.3% 跃升至 92.2%。由于

标记实例通常很昂贵且很痛苦，尤其是当必须由专家手动完成时，标记代表性实例（而

不是随机实例）是一个好主意。

但是也许我们可以更进一步：如果将标签传播到同一集群中的所有其他实例，会怎么样？

这称为标签传播：

y_train_propagated = np.empty(len(X_train), dtype=np.int32)

for

i

in

range(k):

y_train_propagated[kmeans.labels_==i] = y_representative_digits[i]

再次训练模型并查看其性能：

>>>

log_reg = LogisticRegression()

>>>

log_reg.fit(X_train, y_train_propagated)

>>>

log_reg.score(X_test, y_test)

0.9333333333333333

我们获得了合理的精度提升，这不让人惊奇。问题在于，我们把每个代表性实例的标 ...