半监督学习
在监督学习中，通常训练数据有input \(x^r\), 也有output \(\hat{y}^r\)。
但是在实际情况下，数据不难收集，但做数据的标记需要花费很大的功夫。
所以半监督学习，就是利用了很多没有标记的数据\(x^u\)，通常U >> R。
transductive learning: unlabeled data就是testing data,
inductive learning: 不用这些unlabeled data做testing data.
半监督学习中，虽然unlabeled data不会提供直接的训练样本，但它的input的分布可以帮助分类更好地划分边界。
但是semi-supervised learning使用unlabel的方式往往伴随着一些假设，其实semi-supervised learning有没有用，是取决于你这个假设符不符合实际/精不精确。
生成模型
监督生成模型
