Кои методи за еднокласова класификация съществуват?

Класификация с един клас (one-class classification) е задача, при която моделът се обучава да разпознава само един клас (положителен), а всички останали се считат за аномалии или отрицателни примери. Основните методи за класификация с един клас:

• One-Class SVM (Поддръжка векторна машина за един клас) — създава граница, която отделя данните на положителния клас от останалото пространство, опитвайки се да ги отдели максимално от началната точка.

• Isolation Forest (Лов на изолиране) — алгоритъм, който изолира аномалиите, като изгражда случайни дървета; обектите, които са по-лесни за изолиране, се считат за аномалии.

• Autoencoder (Автоенкодер) — невронна мрежа, обучена да възстановява входните данни; обектите, които се възстановяват с голяма грешка, се считат за аномалии.

• Local Outlier Factor (LOF) — оценява локалната плътност на данните и подчертава обекти с ниска плътност като аномалии.

• Gaussian Mixture Models (GMM) — моделират разпределението на данните на положителния клас; обектите с ниска вероятност се считат за аномалии.

Всяки метод има своите предимства и се прилага в зависимост от задачата и характера на данните.