【特征工程系列2】如何获得训练数据的标签？

       机器学习可以大致分为有监督和无监督两大类。其中，有监督是指训练数据是带标签的，如果标签准确，其性能一般优于无监督学习。

       在各大教科书上，“带标签”和“不带标签”都是直接假定的。那么，问题来了，在现实中，如何获得带标签的训练数据呢？结合自己最近参与的数据挖掘项目，我总结出了以下三种方法：

1） 人工标注：顾名思义，就是由专家人工标注部分数据，用作训练集。这种方法工作量很大，特别是在大数据挖掘中。

2） 规则标注：此方法用的较多，即通过专家设定一些过滤条件（规则），给部分数据贴上标签，获得训练集。然后，需要注意的是，规则一定要精准，宁可少获得一些训练数据，也要保证贴上标签的数据非常准确；否则，后面的机器学习学到的都是错误的啦。正是因为这样的考虑&#