scientific-semi-supervised-learning

name	scientific-semi-supervised-learning
description	半教師あり学習スキル。Self-Training・Label Propagation・ MixMatch/FixMatch・Pseudo-Labeling・ラベル効率評価。
tu_tools	[{"key":"openml","name":"OpenML","description":"半教師あり学習ベンチマーク"}]

Scientific Semi-Supervised Learning

少量のラベル付きデータと大量の未ラベルデータを活用する 半教師あり学習パイプラインを提供する。

When to Use

• ラベル付きデータが少量しかないとき
• アノテーションコストが高く全量ラベリングが困難なとき
• Self-Training で反復的にラベルを拡張するとき
• グラフベースの Label Propagation を適用するとき
• Pseudo-Labeling の信頼度閾値を設計するとき

---

Quick Start

1. Self-Training パイプライン

import numpy as np
import pandas as pd
from sklearn.base import clone
from sklearn.metrics import accuracy_score, classification_report


def self_training_pipeline(X_labeled, y_labeled, X_unlabeled,
                           base_estimator=None, threshold=0.95,
                           max_iterations=10, batch_size=None,
                           X_test=None, y_test=None):
    """
    Self-Training 半教師あり学習。

    Parameters:
        X_labeled: np.ndarray — ラベル付き特徴量
        y_labeled: np.ndarray — ラベル
        X_unlabeled: np.ndarray — 未ラベル特徴量
        base_estimator: sklearn estimator | None — 基底分類器
        threshold: float — Pseudo-Label 採用閾値
        max_iterations: int — 最大反復回数
        batch_size: int | None — 各反復で追加するサンプル数上限
        X_test: np.ndarray | None — テスト特徴量
        y_test: np.ndarray | None — テストラベル
    """
     sklearn.ensemble  GradientBoostingClassifier

     base_estimator  :
        base_estimator = GradientBoostingClassifier(
            n_estimators=, random_state=)

    X_train = X_labeled.copy()
    y_train = y_labeled.copy()
    X_pool = X_unlabeled.copy()
    history = []

     iteration  (max_iterations):
         (X_pool) == :
            ()
            

        model = clone(base_estimator)
        model.fit(X_train, y_train)
        proba = model.predict_proba(X_pool)
        max_proba = proba.(axis=)
        pseudo_labels = proba.argmax(axis=)

        confident_mask = max_proba >= threshold
        n_confident = confident_mask.()

         batch_size  n_confident > batch_size:
            top_idx = np.argsort(max_proba)[-batch_size:]
            confident_mask = np.zeros((X_pool), dtype=)
            confident_mask[top_idx] = 
            n_confident = batch_size

         n_confident == :
            ()
            

        X_train = np.vstack([X_train, X_pool[confident_mask]])
        y_train = np.concatenate([
            y_train, pseudo_labels[confident_mask]])
        X_pool = X_pool[~confident_mask]

        record = {: iteration,
                  : (X_train),
                  : (X_pool),
                  : (n_confident),
                  : (max_proba[confident_mask].mean())}

         X_test     y_test   :
            test_acc = accuracy_score(y_test, model.predict(X_test))
            record[] = test_acc

        history.append(record)
        (
              )

    final_model = clone(base_estimator)
    final_model.fit(X_train, y_train)
     final_model, pd.DataFrame(history)