Машинное обучение - классификация классификации/новизны класса/оценка аномалии?

Question

мне нужен алгоритм машинного обучения, которые будут удовлетворять следующие требования:

• обучающих данных представляют собой набор векторов признаков, все принадлежащий к тому же, «позитивный» класс (как я не могу давать отрицательные образцы данных) ,
• Данные испытаний - это некоторые векторы признаков, которые могут или не могут относиться к положительному классу.
• Предсказание должно быть непрерывным значением, которое должно указывать «расстояние» от положительных выборок (т. Е. 0 означает, что тестовый образец явно принадлежит к положительному классу, а 1 означает, что он явно отрицательный, но 0,3 означает, что он несколько положителен)

Пример: Предположим, что векторы признаков являются объектами 2D-объектов.

положительные данные тренировки:

• (0, 1), (0, 2), (0, 3)

Тестовые данные:

• (0, 10) должна быть аномальной, но не отдельной.
• (1, 0) должна быть аномальной, но с более высоким «рангом», чем (0, 10)
• (1, 10) должна быть аномалия с еще более высокой аномалией «ранг»

Answer 1

Описанная вами проблема обычно упоминается как выброс, аномалия или обнаружение новизны. Существует много методов, которые могут быть применены к этой проблеме. Хороший обзор методов обнаружения новинок можно найти here. В статье дается подробная классификация методов и краткое описание каждого из них, но как начать, я перечислю некоторые из стандартных:

• K-nearest neighbors - простой метод на основе расстояния, который предполагает, что нормальные выборки данных близки к другим нормальным образцам данных, в то время как новые образцы расположены далеко от нормальных точек. Реализация Python KNN находится в ScikitLearn.
• Mixture models (например, модель гауссовой смеси) - вероятностные модели, моделирующие генеративную функцию плотности вероятности данных, например, с использованием смеси гауссовых распределений. Учитывая набор нормальных выборок данных, цель состоит в том, чтобы найти параметры распределения вероятности, чтобы они лучше описывали образцы. Затем используйте вероятность того, что новая выборка решит, принадлежит ли она распределению или является выбросом. ScikitLearn реализует Gaussian Mixture Models и использует алгоритм максимизации ожиданий, чтобы изучить их.
• Однокомпонентная векторная машина поддержки (SVM) - расширение стандарта SVM classifier, которое пытается найти границу, которая отделяет обычные образцы от неизвестных новых образцов (в классическом подходе граница определяется путем максимизации разницы между нормальные образцы и происхождение пространства, проецируемые на так называемое «пространство объектов»). У ScikitLearn есть реализация one-class SVM, которая позволяет вам легко использовать ее и приятно example.Я прикрепить сюжет этого примера, чтобы проиллюстрировать краевые один-класс СВМ находит «вокруг» нормальные выборок данных: