如何信任使用ML模型生成的标签？

Question

我有一个病人记录的数据集。但我不知道他是否患了癌症。因此，我的数据集中没有标签。

现在我可以运行像聚类这样的机器学习模型来生成标签。

对于示例:我可以运行集群，根据相似性对这两个类进行分组，并找出谁都属于+ve和-ve类。

当然，我们不能坐以待毙，手工检查病人的数据，以了解他是否真的患上了癌症。

因此，当我们通过机器学习模型(如上面的聚类)生成标签时，这是一种推荐的方法吗？

它是否用于工业/实时，当人们没有真实感，只依赖基于ML模型的标签？

我们如何信任这些生成的标签？

如果它是人类，我知道它是可以信任的。但我们怎么相信这些标签。

像这样的东西是否被用于工业，以及它们如何处理信任问题？

Answer 1

因此，当我们通过机器学习模型(如上面的聚类)生成标签时，这是一种推荐的方法吗？只有当你真的可以形成高度不同的两个集群/组。这将是高度不可能的，特别是对于复杂和高维数据集。其原因之一是聚类算法比监督聚类算法弱。如果你能找到一种很好的表示法(看看从Bengio那里学到的表象)，即高度区分性的嵌入，那么它可能会起作用。

它是否用于工业/实时，当人们没有真实感，只依赖基于ML模型的标签？这是一种选择，人们可以肯定地尝试它，但不依赖它。

我们如何信任这些生成的标签？只要你能用地面真理来验证它，或者与人类一起观察星团，那就没有问题了。

像这样的东西是否被用于工业，以及它们如何处理信任问题？这是可能的解决办法之一，我个人总是尝试先转移学习。特别是对于像你这样的问题，很可能已经有了一些预先训练过的模型。唯一需要的是一些标签工具，为1000个样本(它需要几个小时，但它是值得的)。看看这个工具。