半监督学习是一种同时利用有标签数据和无标签数据进行模型训练的方法。现在我们来分析这些选项：

A. **半监督学习有两个样本集，一个有标记，一个没有标记**
- 这是正确的。半监督学习确实使用了有标签和无标签的数据集。

B. **半监督学习侧重于在有监督的分类算法中加入无标记样本来实现分类**
- 这是正确的。半监督学习通过利用无标签数据来增强分类模型的泛化能力。

C. **需要半监督学习的原因是对数据进行分类标记的代价很高**
- 这是正确的。标记数据通常需要人工干预，代价高且耗时，因此利用无标签数据可以在降低成本的同时提升模型效果。

D. **以上皆非**
- 这是错误的，因为前三个选项都是正确描述了半监督学习的特征和动机。

因此，错误的选项是 **D**。根据以上分析，A、B、C 都是正确的陈述。半监督学习方法有效地结合了有监督学习和无监督学习的优势，在标记数据稀缺的情况下表现特别优异。