帮助训练算法不同于传统的混合法，因为，在训练后，只把判决分类器的参数返回并用到下次测试步骤中，而将生成模型丢弃，它只用于帮助主训练器c学习没有标记数据的参数，这就使得c在测试中独立了.我们的目的是让区别分类器能在没有生产性分类器的条件下自动的做预测。分析：第一，自训练和帮助训练都好，很接近贝叶斯错误。第二，自训练的svm很依赖原始数据分布（标记数据），它的泛化能力与标记数据的监督学习的泛化能力是相关的。而帮助监督的泛化能力就不太依赖原始数据。第三，帮助训练的结果与标记全部样本得到的测试结果几乎相同