半监督学习介于监督学习和无监督学习之间，描述的是拥有少量有标记样本和大量无标记样本的情况，非常符合现实世界中的实际场景，数据很多，标签很少。
半监督学习的目的就是将大量无标签样本利用起来，发挥它们的价值，因为数据本身就蕴藏着大量有价值的信息，标签只是帮助我们提取信息的手段，如果没有标签，我们依然应该努力从数据中获取有价值的信息，不然也是一种浪费。
半监督学习可以进一步分为纯半监督学习和直推学习（transductive learning)，前者利用有标记数据和无标记数据来预测其它未知数据，后者就是局限在已有的数据，当训练模型完成后，能预测无标记数据即可。