在Sebastian Thrum的这个视频中，他提到监督学习使用“标记”数据，而无监督学习使用“未标记”数据。他所说的这是什么意思？在谷歌搜索“标记与未标记数据”会返回许多关于这个话题的学术论文。我只想知道基本的区别。

回答：

通常，未标记数据包括自然或人造制品的样本，这些样本可以相对容易地从世界中获取。未标记数据的例子可能包括照片、音频录音、视频、新闻文章、推文、X光片（如果您在从事医疗应用）等。未标记数据的每件物品都没有“解释”——它仅包含数据，没有其他信息。

标记数据通常是基于一组未标记数据，并为每件未标记数据添加某种有意义的“标签”、“标记”或“类别”，这些标签以某种方式提供有用或值得了解的信息。例如，上述类型的未标记数据的标签可能是这张照片是否包含马或牛，这段音频录音中说了哪些词，这段视频中正在进行什么类型的动作，这篇新闻文章的主题是什么，这条推文的整体情感是什么，这张X光片上的点是否是肿瘤等。

数据的标签通常是通过让人类对给定的未标记数据进行判断（例如，“这张照片包含马还是牛？”）来获得的，获取这些标签的成本远高于获取原始未标记数据的成本。

在获得标记数据集后，可以将机器学习模型应用于数据，以便将新的未标记数据呈现给模型，并对该未标记数据可能的标签进行猜测或预测。

机器学习中有许多活跃的研究领域旨在整合未标记和标记数据，以构建更好的、更准确的世界模型。半监督学习试图将未标记和标记数据（或者更广泛地说，只有部分数据点有标签的未标记数据集）结合成集成模型。深度神经网络和特征学习是试图仅构建未标记数据模型的研究领域，然后将标签信息应用于模型的有趣部分。