如何让神经网路自己把没有标签的图像进行分类？
我现在有很多眼球照片，我想把他们按老化程度分类，我自己肉眼很难标出标签，有什么办法使得神经网路自己按照特征进行分类吗？
得先有一部分打好标签的图片，然后用这部分图片去训练网路，最后再让网路为那些没打标签的图片进行分类，这是有监督训练。如果要做无监督训练，那不一定能保证分出来的类是你想要的分类结果。再者如果你自己都没有确定一个分类标准，那么如何去评估网路的分类是否正确呢？
针对这个特定的问题，可以先将特别明显的样品，人为地打上标签，比如老化程度最高和最低两类，训练一个二分类模型，然后用这个模型给其它样品打分，根据分数再去划分类别。如果说肉眼对差别最大的样品都区分不了，那也没办法指导模型了。
至于无监督学习，其前提实际就是要事先给出规则，比如如何衡量样品之间的「距离」，否则怎么知道你是想区分出眼球的大小、形状还是什么其它东西呢？但如果事先都已经知道规则了，那多半直接利用这个规则给你想要的老化程度打分就好了，也不需要神经网路。
这是聚类，不是分类
可以用弱监督学习做下 比如one-shot learning 小样本学习，也可以先做聚类 然后人工标记 再调整模型参数
我反问你，你都在没接受专业知识的训练下分不出来，凭什么让人工神经网路不接受训练就分类呢
我觉得题主这个问题并不是分类，而是聚类，题主可以试一下自编码器。
你可以先用别人的弱模型打标签，再用自己的强模型学习。至于完全没有分类的标签的，就相当于你都不告诉一个孩子苹果叫苹果，他凭什么知道那是苹果。
推荐阅读：
