本发明提出一种基于基于深度PU学习与类别先验估计的数据分类方法和系统，本发明能同时估计类别先验，并利用所得先验估计学习深度模型，而无需已知数据的真实先验分布，从而更适用于PU学习在实际场景中的应用。本发明所提出的迭代框架包括将网络的预测分数建模为GMM，从而估计正类先验；基于正类先验的估计值，进行无偏PU学习；进而结合半监督学习的平均教师、温度锐化等技术，提高算法性能和稳定性。该框架能应用于包括计算机视觉、推荐系统、生物医疗等在内各领域的PU问题，并且效果优异，兼具科学价值和实用价值。