繼續上一篇的講了，半監督式學習講解一樣利用封包特徵險性和隱性來講解。

機器學習-半監督式運用在我們的偵測系統上的原理，其實不外乎就是改善機器學習-監督式的線性分類，使得神經網絡可以更好地解決較為複雜的問題。其實我講到這裡就已經把半監督式學習講完了。

原理 :
監督式學習- 我們知道監督式的學習方式就是我們給機器1他就會輸出1，所以運用在分類的演算法中，會跑所謂的線性、非線性分類，因為不是true就false

非監督式學習 非監督式學習的意思就是我們只告訴他要分類，例如分兩類，但是沒有告訴機器那類是true或false，但是機器一樣會分類，只是分類出來的東西正確率有可能比較低，因為機器可能把true的判斷成false的機率比較高。
非監督式的意思就是希望可以不借我們人類的知識，也可以進行自我訓練，但是實際上的正確率比較低。

**備註:**為什麼會跑出線性、非線性，因為網路上的封包特徵是很大量、密集，所以要利用一條線區分出true和false是相當困難的。

半監督式學習 半監督式學習的出現就是利用大量有標籤的樣本以及少量無標籤的樣本來進行學習，這裡講的意思就是說利用監督式學習理的Lable和一些非監督式學習理的無標籤的Lable進行訓練。這樣不但具有非監督式學習高自動化的優點，又能降低標籤資料的成本。