一，半監督學習

　　半監督學習是一種介於監督式學習和無監督學習之間的學習正規化，我們都知道，在監督式學習中，樣本的類別標籤都是已知的，學習的目的找到樣本的特徵與類別標籤之間的聯絡。一般來講訓練樣本的數量越多，訓練得到的分類器的分類精度也會越高。但是在很多現實問題當中，一方面由於人工標記樣本的成本十分高昂，導致了有標籤的樣本十分稀少。而另一方面，無標籤的樣本很容易被收集到，其數量往往是有標籤樣本的上百倍。半監督學習（這裡僅針對半監督分類）就是要利用大量的無標籤樣本和少量的有標籤樣本來訓練分類器，解決有標籤樣本不足這個難題。

二，self-training

self-training可能是最早被提出來的半監督學習方法，最早可以追溯到Scudder(1965)。self-training相比其它的半監督學習方法的優勢在於簡單以及不需要任何假設。