可以訓練帶有標籤的訓練集的神經網絡，並使用沒有標籤的數據集對其進行測試？

Question

我有一個問題，一直非常執着。 我可以使用標記的數據集（即：包含目標信息的數據集）訓練神經網絡，然後應用另一個沒有標記的數據集？

我想用我的例子來訓練網絡，但是在真實的情況下希望它能夠對例子進行分類（沒有關聯的目標）。例如：

訓練集：

Var1 Var2 Var3 Var4 Target 
1  2  3  1  blue 

測試設置（沒有目標，其實這就是我想知道是什麼）

Var1 Var2 Var3 Var4 
1  2  3  1  

的假設預測必須是藍色的。

我正在使用快速礦工來測試神經網絡，但我很快就明白我無法應用這個測試集，因爲它錯過了標籤。

那麼我該如何解決我的問題呢？ 我不知道是否需要探索這個問題的無監督神經網絡，但我真的不這麼認爲。

親切的問候。

Answer 1

對於有監督學習，您可以使用帶標籤的訓練集來訓練您擁有的任何模型。 然後，您可以使用該模型預測未標記集的標籤。

如果您碰巧也有測試集標籤，則可以將預測值與測試集標籤進行比較。 這樣你可以評估預測誤差（即測試模型，因此名稱 - 測試集）

如果你只是對預測感興趣，你絕對不需要標籤。

Answer 2

對沒有標籤的數據集應用分類器（包括類似mlp的nn）是分類器的實際使用。 但是當你說test你的意思是你想看到質量措施，如false alarm rate或precision，你需要標籤來做到這一點。

假設你想訓練一個分類器，然後在真實的情況下使用它，我強烈建議你測試它與標記的數據之前，並嘗試使用最合適的精度模型。否則，你可能會有大量的錯誤預測，這當然會打擾你。

如果你只有一個帶有少量樣本的標記數據集，你可以嘗試k-fold驗證。