мне нужен алгоритм машинного обучения, которые будут удовлетворять следующие требования:Машинное обучение - классификация классификации/новизны класса/оценка аномалии?
- 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»
Идея заключается в том, чтобы исследовать «расстояние» от положительных примеров (как в обнаружении аномалий) , Я действительно ищу алгоритм обнаружения аномалий в процентах (каков масштаб аномалии). – ido4848
Можете ли вы уточнить, например. о чем ваши данные? Можете ли вы предоставить некоторые выборочные данные ввода и то, что вы ожидаете в результате? – miraculixx
@miraculixx я добавил пример – ido4848