企业集成各种软件、流程和数据注释器，用于整理和构建数据并对其添加标签。 这种训练数据是机器学习模型的基础。 这些标签帮助分析师隔离数据集中的各个变量，从而可以为 ML 模型选择最优的数据预测变量。 标签指定要为模型训练拉取的适当数据向量，然后模型进行学习以做出最佳预测。

除了机器辅助，数据标签任务也需要“人机协同 (HITL)”参与。 HITL 利用“数据标记者”人员的判断，创建、训练、微调和测试 ML 模型。 它们通过提供最适合特定项目的模型数据集，帮助指导数据标签过程。

计算机使用有标签数据与无标签数据来训练机器学习模型，但这两者有何区别呢？ 

计算机还可以结合使用这两种数据进行半监督学习，这样可以减少对手动添加数据标签的需求，同时提供添加了注释的大型数据集。