一、定义
协同训练（Co-Training）是自训练的一种改进方法，通过两个基于不同视角（view）的分类器来相互促进。很多数据都有相对独立的不同视角。比如互联网上的每个网页都由两种视角组成：文字内容（text）和指向其它网页的链接（hyperlink）。如果要确定一个网页的类别，可以根据文字内容来判断，也可根据网页之间的链接关系来判断。
二、算法解析及伪代码
假设一个样本x = **x** 1, **x** 2，其中x1 和x2 分别表示两种不同视角V1 和V2的 特征，并满足下面两个假设：（1）条件独立性：给定样本标签y时，两种特征条 件独立p(x 1, x 2|y) = p(x 1|y)p(x 2|y)；（2）充足和冗余性：当数据充分时，每种视角的特征都可以足以单独训练出一个正确的分类器。令y = g(x)为需要学习的真实映射函数，f1和f2分别为两个视角的分类器，有
其中X 为样本x的取值空间。
由于不同视角的条件独立性，在不同视角上训练出来的模型就相当于从不同视角来理解问题，具有一定的互补性。协同训练就是利用这种互补性来来进行自训练的一种方法。首先在训练集上根据不同视角分别训练两个模型f1和f2，然后用f1和f2在无标记数据集上进行预测，各选取预测置信度比较高的样本加入训练集，重新训练两个不同视角的模型，并不断重复这个过程。算法10.3给出了协同训练的训练过程。
三、总结
协同算法要求两种视图是条件独立的。如果两种视图完全一样，则协同训练退化成自训练算法。