Python AI教程之三：半监督学习

机器学习中的半监督学习

当今的机器学习算法大致可分为三类：监督学习、无监督学习和强化学习。抛开强化学习不谈，机器学习问题主要分为两类：监督学习和无监督学习。两者的基本区别在于，监督学习数据集具有与每个元组相关联的输出标签，而无监督学习数据集则没有。 

什么是半监督学习？

半监督学习是一种介于监督学习和无监督学习之间的机器学习。它是一种使用少量标记数据和大量未标记数据来训练模型的方法。半监督学习的目标是学习一个可以根据输入变量准确预测输出变量的函数，类似于监督学习。然而，与监督学习不同的是，该算法是在包含标记和未标记数据的数据集上进行训练的。

当有大量未标记数据可用，但标记所有数据的成本太高或太困难时，半监督学习特别有用。