Null Classes in Machine Learning

Question

Как мы обрабатываем нулевые классы во время тестирования в системе машинного обучения. Если я тренирую свою модель, скажем, 10 классов, а затем я наблюдаю класс, который не принадлежит ни одному из 10 классов, есть ли способ обнаружить это событие? Это необходимо для распознавания активности в режиме скользящего окна, где каждый временной шаг дает один из 10 классов, однако на самом деле есть временные шаги, когда ничего не происходит, и поэтому алгоритм не должен классифицироваться.

Answer 1

Это было бы то, что называется outlier или обнаружение новизны. Некоторая базовая информация here. Сначала вы должны использовать алгоритм обнаружения вылета (где все 10 классов являются вашими инфильтратами), чтобы фильтровать новые классы, которые вы ранее не видели. Затем, если он проходит детектор выбросов, вы подаете его в свой классификатор. На этапе выброса будут какие-то ложные срабатывания/негативы, которые будут влиять на то, какую долю данных вы классифицируете правильно.

Однако на самом деле есть временные шаги, при которых ничего не происходит, и поэтому алгоритм не должен классифицироваться.

Возможно, тогда то, что вы действительно должны рассмотреть, - это 11-й класс «никакой активности». Если его реальные данные происходят регулярно, вы должны рассматривать их как таковые.