问在Keras中使用未标记的数据集

EN

这叫做一班学习，通常是用自动编码器来完成的.您可以根据培训数据对自动编码器进行培训，以重建数据本身。本例中的标签是输入本身。这会给你一个重建错误。https://en.wikipedia.org/wiki/Autoencoder

现在您可以定义一个阈值，其中数据是否是良性的，这取决于重建错误。希望好数据的重建要好于坏数据的重建。

编辑回答关于监督学习和非监督学习在性能上的差异的问题。

这不能肯定地说，因为我没有试过，我也不知道最终的准确性是什么。但对于一个粗略的估计，监督学习将更好地执行对经过训练的数据，因为更多的信息提供给算法。然而，如果实际数据与训练数据有很大的不同，那么网络在实际操作中会表现不佳，而自动编码器则倾向于更好地处理不同的数据。此外，根据经验规则，每堂课应该有5000个例子来可靠地训练一个神经网络，因此标记可能需要一些时间。但无论如何，你都需要一些数据来测试。

听起来你需要两种不同的型号：

1. 一种不良记录检测模型
2. 一种预测糖尿病患者可能性的模型

对于这两种型号，您都需要有标签。对于第一种模式，您的标签将指示记录是好的还是坏的(恶意的)，第二种是病人是否患有糖尿病。

为了检测不良记录，您可能会发现简单的logistic回归或支持向量机有足够的性能。