我对机器学习有点陌生，所以我想澄清一件事。
我正在使用 AWS Sagemaker，使用一些标记数据训练模型，将其部署到端点并设置 Lambda 来提供预测。
一切都好，但我想定期重新训练我的模型，例如使用 1 周的历史数据。
但是我的历史数据没有标签，这意味着它不能用于训练。我该如何标记它？
我最初认为我可以使用模型的预测来标记新的（未标记的）数据，但我读到这不是一个好主意，因为它只会确保我的模型的准确性，即使它可能远非准确。
那么我在哪里可以获得历史数据的标签？
如果历史数据无法通过模型进行标注，那么是否意味着应该手动进行标注？在这种情况下，训练和服务模型还有什么意义呢？
以欺诈交易检测为例。好吧，有一些初始数据，由确切知道交易是否欺诈的人手动标记，因此具有 100% 的准确性。 那么是否应该定期手动更新额外的 100% 准确事件？
除非您使用无监督学习，否则传统上您需要大量（获取昂贵的）标记数据来训练模型。最近出现了“少样本”或“单样本”学习，（使用预先训练的模型）可以基于少量标记示例进行学习 - 但您仍然需要标记数据，只是没有那么多。
所以你的说法“这是否意味着它应该手动标记”..“那么训练和服务模型有什么意义呢？”这实际上没有意义，因为您无法在没有手动标记（至少是一些）数据的情况下训练模型。
其次——还有“数据漂移”的问题。使用具有随时间变化的特征的数据训练的模型（特别是欺诈检测，因为不良行为者总是在寻找新方法）会降低性能，因此您需要使用新的（标记的）数据进行监控和重新训练。使用欺诈检测示例 - 如果您发现模型缺少一些新的欺诈技术，您需要查找示例并标记它们，然后重新训练模型。另请注意，无论如何，您的原始数据集不太可能达到 100% 的准确率 - 专家可能会出错/错过一些示例，因此模型总是存在一些不确定性 - 特别是对于罕见且难以定义的东西。