我的背景知识:基本上,监督学习是基于标记数据的。使用标记数据,机器可以研究和确定未标记数据的结果。为此,例如,如果我们处理图片问题,则基本上需要人力来切割原始照片,在照片上标记,并在服务器上扫描基本标记数据。
我知道这听起来很奇怪,但我只是好奇是否有任何算法/系统可以自动为监督学习制作标签。
我的背景知识:基本上,监督学习是基于标记数据的。使用标记数据,机器可以研究和确定未标记数据的结果。为此,例如,如果我们处理图片问题,则基本上需要人力来切割原始照片,在照片上标记,并在服务器上扫描基本标记数据。
我知道这听起来很奇怪,但我只是好奇是否有任何算法/系统可以自动为监督学习制作标签。
你问的问题可能是半监督学习。
在半监督学习问题中,您有少量标记数据和大量未标记数据。这个问题的目标是建立一个比单独使用标记数据具有更高准确性的模型。
另一方面,如果您一开始没有标记数据,那么您可能必须使用一些自动系统(例如:传感器)来确定数据的标签。在这篇关于机器人抓取的论文中,Sergey Levine 根据机械臂抓手(又名手指)的张开度以及尝试前后图像的差异自动检测抓取尝试是成功还是失败。他将这类问题称为自监督学习。
希望这有帮助。