用少量标注加大量未标注数据一起训练的方法。
半监督学习像改试卷时只知道几份标准答案，老师看字迹套路和错题堆，也能把大多数卷子分对类。
适合标注贵但原始数据很多时用。
Supervised Learning
它延续监督学习目标，但没那么依赖大规模标注。
Unsupervised Learning
它会借用无标签数据里的结构和分布信息。
Self-Supervised Learning
它常和自监督连用，先学表示再用少量标签。
Representation Learning
学到好的特征表示，是它效果提升的关键。