机器学习和人工智能 (AI) 是创建预测模型、提取信息和帮助做出复杂决策的强大工具。他们通过检查大量标记的训练数据来找到对人类观察来说过于复杂的模式来做到这一点。然而，在许多现实世界的应用程序中，标记良好的数据可能很难、昂贵，甚至不可能获得。在某些情况下，例如在卫星图像中识别稀有物体（如新考古遗址或秘密敌方军事设施）时，获取标签可能需要数月的训练有素的人类观察员，而且代价高昂。其他时候，例如在尝试预测 COVID-19 等大流行期间的疾病感染时，由于缺乏测试设备或其他因素，可能几乎不可能在早期获得可靠的真实标签。在这种情况下，由于可用测试的高假阴性率，即使是少量的真正阴性数据也可能无法识别。在此类问题中，可以将一小部分数据标记为属于感兴趣的类别，尽管手动标记所有不感兴趣的数据是不切实际的。我们剩下一小部分正标记数据和一大组未知和未标记数据。
　　读者将深入探讨这个积极和未标记学习（PU 学习）问题。本书严格定义了 PU 学习问题，讨论了关于该问题的几个常见假设及其含义，并在描述解决该问题的几种最流行的算法之前考虑了如何评估该问题的解决方案。它探讨了 PU 学习的多种用途，包括在生物/医学、商业、安全和信号处理中的应用。本书还提供了几个相关学习问题的高级摘要，例如一类分类、异常检测和噪声学习以及它们与 PU 学习的关系。

克里斯汀·杰克
　　2021 年通过位于亚利桑那州坦佩的亚利桑那州立大学电气工程系和 SenSIP 中心获得信号处理和机器学习博士学位，并获得学士学位。和多发性硬化症。分别在华盛顿西雅图的华盛顿大学和加利福尼亚州圣地亚哥的加州大学圣地亚哥分校获得计算机科学学位，重点是机器学习。
　　克里斯汀是Prime Solutions Group的首席ML研究科学家，也是ASU的博士后研究员，与SenSIP中心的Spanias博士合作。
　　克里斯汀的研究兴趣包括机器学习和深度学习算法的开发和应用，重点是半监督学习和正向和未标记的学习问题。她是多篇论文的作者。

安德烈亚斯
　　亚利桑那州立大学(ASU)电气、计算机和能源工程学院的教授。他还是传感器信号和信息处理(SenSIP)中心的主任和SenSIP行业联盟（也是NSFI/UCRC站点的创始人。他的研究兴趣在自适应信号处理、语音处理、机器学习和传感器系统领域。他和他的学生团队开发了计算机仿真软件 Java-DSP 及其屡获殊荣的iPhone/iPad 和 Android 版本。他是两本教科书的作者：Wiley 的 Audio Processing and Coding 和 DSP-An Interactive Approach (2nd Ed.)。他贡献了 300 多篇论文、11 部专着、13 项完整专利、6 项临时专利和 10 项专利预公开。他曾担任 IEEE Transactions on Signal Processing 的副主编和 IEEE ICASSP-99 的一般联合主席。他还担任过 IEEE 会议信号处理副主席。
　　安德烈亚斯获得了2002年IEEE Donald G. Fink 论文奖，2003年被选为IEEE Fellow，于2004年担任 IEEE 信号处理学会的特聘讲师。
　　安德烈亚斯最近获得了 2018 年 IEEE 凤凰分会奖，获奖理由是：“传感器系统信号处理方面的重大创新和专利。”他还获得了 2018 年 IEEE 第 6 区教育家奖（跨越 12 个州），获奖理由是：“在信号处理方面的杰出研究和教育贡献”。他最近被选为美国国家发明家学院 (NAI) 的高级会员。