用多个课程训练模型？

Question

我有一个包含400个实例（400个用户实例）的数据集，其中包含约10个要素。如下：

        f1,f2,f3,....f10,label
    U1                      A
    U2                      B
    U3                      AB
    ..                      ..
    U45                     CAB
    U46                     B
    U47                     Nolabel     
    ..
    U100                    A
    ...
    U400                    B

在周围的40万个用户实例中 其中150个是用手工标记的，在这150个实例中，有一些（大约35个）带有多个标签（请参见上面的示例）。

我的问题是，应用于此数据集以训练模型并标记这些实例的最佳分类算法是什么？  哪些没有标签（大约250个实例）？半监督学习Label传播在某种程度上可以解决此类问题，但是由于有些用户具有多个标签，因此该算法似乎不适合此任务。

我的第二个问题是，由于没有地面真相标签，我们如何才能验证那些预测的标签。