半监督学习：如何用10%的已知，学会100%的世界？
灵魂三问
问一：如果老师只教了10道题，我能学会100道吗？
答 ：这就是自训练------先做会的那10道，然后用这个思路去"猜"剩下的90道。猜对了的题，就当成"新例题"加入题库，继续学。
- 风险：猜错第一道，后面可能全错（错误传播）
问二：一个人看不准，两个人互相看会更准吗？
答 ：这就是协同训练------就像两个专家：一个看颜色，一个看形状。各自判断一批，然后交换"参考答案"互相学习。
- 要求：数据必须有至少两个不同的观察角度
问三：如果知道"A是苹果"，那么和A很像的B，是不是也该是苹果？
答 ：这就是标签传播------标签会像朋友圈消息一样，从已标注数据顺着"相似度网络"传播出去。
- 关键：相似的数据应该有相似的标签
问四：一件衣服换个角度拍，还是那件衣服吗？
答 ：这就是一致性正则化 ------对同一张图片（轻微旋转/裁剪），要求模型给出相同判断。这逼模型关注本质特征，忽略无关细节。
🎯 四大算法一句话看懂
| 算法 | 一句话 | 像什么 |
|---|---|---|
| 自训练 | "我觉得这个也是" → 加入题库 | 学生变老师 |
| 协同训练 | "你看颜色，我看形状" → 交换答案 | 双专家会诊 |
| 标签传播 | "他已经是了，你也应该是" | 朋友圈扩散 |
| 一致性正则化 | "换个马甲我也认识你" | 认人不认衣服 |
💡 什么时候用哪个？
- 数据很可靠，怕出错少 → 自训练
- 数据能从两个角度描述 → 协同训练
- 数据间相似度很明显 → 标签传播
- 数据容易做不影响本质的改动 → 一致性正则化
🌟 终极智慧
半监督学习的本质是：
- 承认"完全标注太贵"（现实）
- 但拒绝"没标注就放弃"（智慧）
- 在已知 和未知之间搭桥
- 让有限的真理，照亮无限的未知
就像现实中：
父母只教了你10种危险（已知）
你却能识别100种危险情况（推理）
------用少量确定，应对大量不确定，这就是成长的智慧。