我有一个问题一直困扰着我。我可以用带标签的数据集（即：带有目标信息的数据集）训练神经网络，然后应用另一个没有标签的数据集吗？
我想用我拥有的示例训练网络，但在实际情况下希望它对示例进行分类（没有关联的目标）。例如：
训练集：
Var1 Var2 Var3 Var4 Target
1 2 3 1 blue
测试集 （没有目标，其实就是我想知道的）
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来测试神经网络，但我很快就明白我无法应用这个测试集，因为它错过了标签。
那我该如何解决我的问题呢？我想知道我是否需要针对这个问题探索无监督神经网络，但老实说我不这么认为。
亲切的问候。
在没有标签的数据集上应用分类器（包括类似 mlp 的 nn）是分类器的实际使用。但是当你说test你的意思是你想看到质量衡量标准false alarm rate时precision，你需要标签来做到这一点。
假设您想训练一个分类器，然后在实际案例中使用它，我强烈建议您之前使用标记数据对其进行测试，并尝试使用具有最理想精度的模型。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记数据集，您可以尝试k-fold验证。
对于监督学习，您使用标记的训练集来训练您拥有的任何模型。然后，您可以使用该模型来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，因此得名 - 测试集）
但是，如果您只对预测感兴趣，则绝对不需要标签。