PU-Lernen (Positive-Unlabeled Learning) bezieht sich auf algorithmische Verfahren, bei denen nur positive und unbeschriftete Daten genutzt werden, um Klassifikatoren zu trainieren. In der Werkstoffwissenschaft findet dieser Ansatz Anwendung in der Datenanalyse, um Zusammenhänge zwischen Materialparametern und Leistungsmerkmalen zu erkennen. Dadurch können Vorhersagen und Optimierungen unterstützt werden.