如何讓神經網路自己把沒有標籤的圖像進行分類？
我現在有很多眼球照片，我想把他們按老化程度分類，我自己肉眼很難標出標籤，有什麼辦法使得神經網路自己按照特徵進行分類嗎？
得先有一部分打好標籤的圖片，然後用這部分圖片去訓練網路，最後再讓網路為那些沒打標籤的圖片進行分類，這是有監督訓練。如果要做無監督訓練，那不一定能保證分出來的類是你想要的分類結果。再者如果你自己都沒有確定一個分類標準，那麼如何去評估網路的分類是否正確呢？
針對這個特定的問題，可以先將特別明顯的樣品，人為地打上標籤，比如老化程度最高和最低兩類，訓練一個二分類模型，然後用這個模型給其它樣品打分，根據分數再去劃分類別。如果說肉眼對差別最大的樣品都區分不了，那也沒辦法指導模型了。
至於無監督學習，其前提實際就是要事先給出規則，比如如何衡量樣品之間的「距離」，否則怎麼知道你是想區分出眼球的大小、形狀還是什麼其它東西呢？但如果事先都已經知道規則了，那多半直接利用這個規則給你想要的老化程度打分就好了，也不需要神經網路。
這是聚類，不是分類
可以用弱監督學習做下 比如one-shot learning 小樣本學習，也可以先做聚類 然後人工標記 再調整模型參數
我反問你，你都在沒接受專業知識的訓練下分不出來，憑什麼讓人工神經網路不接受訓練就分類呢
我覺得題主這個問題並不是分類，而是聚類，題主可以試一下自編碼器。
你可以先用別人的弱模型打標籤，再用自己的強模型學習。至於完全沒有分類的標籤的，就相當於你都不告訴一個孩子蘋果叫蘋果，他憑什麼知道那是蘋果。
推薦閱讀：
