深度学习UFLDL教程翻译之自我学习( 二 ) _标记

四、无监督特征学习的术语
有两种常见的无监督特征学习设定，取决于你有什么类型的无标记数据。更一般和强大的设定是自我学习设定，它并不认为你的无标记数据xu必须和你的有标记数据xl是一样的分布。更限制性的设定是无标记数据必须和有标记数据来自同一个分布，有时候称为半监督学习设定。这个区别最好能通过一个例子解释，就是接下来我们介绍的。
假设你的目标是一个计算机视觉任务，你想要将小车和摩托车的图像区分开来；那么，你训练集中的每个有标记样本是小车或者摩托车的图像。我们从哪可以得到大量无标记的数据呢？最简单的方法是得到一些随机的图片集，也许从因特网下载。然后我们可以在这个大的图片集中训练自动编码器，并得到有用的特征。由于这里无标记数据与有标记数据是来自不同的分布，（即，可能有些图像包含小车和摩托车，但不是每一张下载的图像都是小车或摩托车），我们称之为自我学习。
【深度学习UFLDL教程翻译之自我学习】相反,如果我们碰巧有大量的无标记图像,而且不是小车就是摩托车,不过数据都没有标记的时候(所以你不知道哪些是小车哪些是摩托车),那么我们可以用这些形式的数据学习特征。这个设定——每个无标记样本和每个有标记样本来自同种分布——有时候称为半监督设定。特别地，我们经常没有这些无标记数据（你在哪可以得到不是小车就是摩托车，只是没有标记的图像的数据库呢？），因此从无标记数据中学习特征的内容中，自我学习的设定更广泛应用。