1
Amy 原创整理｜资料核验：2026-11-03
scikit-learn文档把LabelSpreading的alpha定义为软约束系数，默认0.2，有效范围是开区间(0,1)。它控制样本采纳邻居信息相对于保留初始标签信息的程度；数值越大，越偏向邻居。文档用0和1解释两种极端含义，并不表示这两个端点符合参数范围。
训练输入X同时包含有标签和无标签样本，y中用-1表示无标签。拟合后，transduction_保存训练样本获分配的标签，label_distributions_则保存各类别分布。
Amy建议：比较不同alpha时，先检查标签编码是否把-1保留给未标注样本，再记录实际迭代次数及独立验证结果。不要把模型补出的标签重新当成人工真值来证明准确率；参数变化也不保证一定改善结果。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.semi_supervised.LabelSpreading.html