最终编辑，所有资源已更新：
对于一个项目，我正在应用机器学习算法进行分类。
挑战： 有限的标记数据和更多的未标记数据。
目标：
- 应用半监督分类
- 应用某种程度上的半监督式标签过程（称为主动学习）
我从研究论文中发现了很多信息，例如应用EM，Transductive SVM或S3VM（半监督SVM），或者以某种方式使用LDA等。关于该主题的书籍也很少。
问题： 实现方式和实际来源在哪里？
最终更新（基于mpiktas，bayer和Dikran Marsupial提供的帮助）
半监督学习：
- TSVM：位于SVMligth和SVMlin中。
- EM朴素贝叶斯（Python）
- EM在LinePipe项目中
主动学习：
深度学习：
有一个R包RTextTools。如果我没记错的话，它会实现您提到的几种方法。
—
mpiktas，2011年
嗨mpiktas，谢谢您的帮助。这是一个有趣的工具包。但是，它似乎只涉及监督学习，因为我读到“ TextTools是一个免费的开源机器学习软件包，用于自动文本分类，使新手和高级用户都可以轻松地开始监督学习。该软件包包括集成分类的九种算法（svm，slda，boosting，bagging，随机森林，glmnet，决策树，神经网络，最大熵）”
—
Flake
好的，这是另一种尝试：Weka。作者写了一本书，其目录中提到了半监督学习。我衷心希望本章不要以“ ...不幸的是，Weka中没有实现这些算法” :)
—
mpiktas 2011年
德拉特，我买的是旧版书！非常感谢您指出此来源！
—
片状
