19、训练数据：从概念到实践的深度解析

训练数据：从概念到实践的深度解析

1. 监督学习与人类监督

对于技术人员而言，监督学习常被理解为算法能够获取答案密钥，例如输入 - 输出对。但这里更关注的是人类监督这一方面。训练数据在某些情况下可与其他方法结合以发现新概念，但总体上主要还是用于重复已知的工作。

在这个领域，质量保证的方法高度分散，存在许多相互竞争的方法和观点。通常，会从手动技术逐步转向更自动化、“自我修复”的多阶段流程。例如，标注过程的工作流如图 6 - 3 所示（此处虽未看到图，但可想象其展示了一个有序的流程）。

一旦了解了训练数据的基础知识，就会很快发现一个明显的瓶颈：实际的标注工作。为了加快这一核心流程，已经有了许多方法，不过这些选择可能会变得非常复杂。标注工作是训练数据中最常被误解但也最重要的部分之一。

2. 人类监督训练数据与经典数据集的区别

在数据科学工作中，“监督、半监督、无监督”这些术语经常出现。任何人类干预都属于某种形式的监督，比如构建数据结构、选择特征或手动设计损失函数。这里所说的“人类监督”，指的是人类对数据进行监督，而不考虑后续用于建模数据的技术方法。

人类监督的训练数据与经典数据集不同，它是全新的，有着不同的目标、涉及不同的技能集并使用不同的算法方法。

2.1 发现与自动化

在典型的经典机器学习案例中，我们通常不知道答案是什么，希望去发现它。而在新的人类监督案例中，我们已经知道什么是正确的，希望以数据科学可处理的方式构建这种理解，即产生训练数据。

例如，在经典案例中，我们不知道某人的电影偏好，所以希望去发现；或者不知道是什么导致了某种天气模式，想要去探究。 </