Hypothèse de variétéest une hypothèse courante dans l'apprentissage semi-supervisé, et l'autre est l'hypothèse de clustering.

L'hypothèse multiple stipule que les exemples avec des propriétés similaires se trouvent généralement dans de petits voisinages locaux et ont donc des étiquettes similaires, ce qui reflète la régularité locale de la fonction de décision.

Contrairement à l’hypothèse de clustering qui se concentre sur les caractéristiques globales, l’hypothèse de variété se concentre davantage sur les caractéristiques locales du modèle.

Dans cette hypothèse, l’objectif d’un grand nombre d’exemples non étiquetés est de rendre l’espace de données plus compact, ce qui permet de caractériser plus précisément les caractéristiques des zones locales et de permettre à la fonction de décision de mieux s’adapter aux données.