实际分类任务中的一个持续挑战是标记训练集并非总是可用。 在粒子物理学中，通过使用模拟克服了这一挑战。 这些模拟可以准确地重现数据的大多数特征，但不能可靠地捕获现代机器学习方法可利用的所有复杂关联。 在弱监督学习中的最新工作表明，仅使用数据中存在的不纯混合即可训练简单的低维分类器。 在这里，我们证明了复杂的高维分类器也可以使用弱监督技术对不纯混合物进行训练，其性能与纯样品可以实现的相当。 因此，使用弱监督将使我们避免完全依赖于模拟来进行高维分类。 这项工作为新体制打开了一扇门，在这种体制下，可以直