我有一个对我来说非常执着的问题。 我可以训练带有标记数据集的神经网络（即：带有目标信息的数据集），然后应用另一个没有标签的数据集吗？
我想用我的示例训练网络，但是在实际情况下希望它对示例进行分类（没有目标关联）。例如：
训练集：
Var1 Var2 Var3 Var4 Target
1 2 3 1 blue
测试集（没有目标，实际上这就是我想知道的）
Var1 Var2 Var3 Var4
1 2 3 1
假设预测必须是蓝色的。
我正在使用快速矿工测试神经网络，但我很快就明白我无法应用此测试集，因为它错过了标签。
我如何解决我的问题呢？ 我想知道是否需要探索这个问题的无监督神经网络，但老实说我不这么认为。
亲切的问候。答案 0 :(得分：1)
对于有监督的学习，您可以使用标记的训练集来训练您拥有的任何模型。 然后，您可以使用该模型预测未标记集的标签。
如果您碰巧也有测试集的标签，您可以将预测值与测试集标签进行比较。 这样您就可以评估预测误差（即测试模型，因此测试名称 - 测试集）
如果您只对预测感兴趣，那么您绝对不需要标签。
答案 1 :(得分：1)
在没有标签的数据集上应用分类器（包括类似mlp的nn）是分类器的实际用途。
但是，当您说test时，您的意思是希望看到false alarm rate或precision等质量指标，并且您需要使用标签来执行此操作。
假设您想训练分类器然后在实际情况下使用它，我强烈建议您先使用标记数据测试，然后尝试使用最理想精度的模型。否则你可能会有大量的错误预测，这当然会打扰你。
如果您只有一个带有少量样本的标签数据集，则可以尝试k-fold验证。