У меня есть набор данных. Я хочу построить одноклассное распределение из этих данных. Основываясь на изученном распределении, я хочу получить значение вероятности для каждого экземпляра данных. Основываясь на этих значениях вероятности (пороговое значение), я хочу построить классификатор для классификации конкретного экземпляра данных, исходящего из этого дистрибутива или нет.обнаружение outlier на основе модели гауссовой смеси
В этом случае, скажем, у меня есть данные 50x100000, где 50 - размер каждого экземпляра данных, количество экземпляров - 100000. Я склоняюсь к модели Гауссовой смеси, основанной на этом распределении.
Когда я пытаюсь получить значения вероятности для экземпляров, я получаю очень низкие значения. Итак, в этом случае, как я могу построить clssifier?
Почему вы используете модель смеси, если у вас есть только один класс = один компонент в смеси? –