Ποια είναι τα διαθέσιμα μέθοδοι μονοταξικής ταξινόμησης;

Η ταξινόμηση μιας μόνο κλάσης (one-class classification) είναι μια εργασία όπου το μοντέλο εκπαιδεύεται να αναγνωρίζει μόνο μια κλάση (θετική), ενώ όλες οι άλλες θεωρούνται ανωμαλίες ή αρνητικά παραδείγματα. Οι κύριες μέθοδοι ταξινόμησης μιας μόνο κλάσης:

• One-Class SVM (Μηχανή Υποστήριξης Μοναδικής Κλάσης) — δημιουργεί ένα όριο που διαχωρίζει τα δεδομένα της θετικής κλάσης από το υπόλοιπο χώρο, προσπαθώντας να τα διαχωρίσει όσο το δυνατόν περισσότερο από την αρχή των αξόνων.

• Isolation Forest (Δάσος Απομόνωσης) — αλγόριθμος που απομονώνει τις ανωμαλίες κατασκευάζοντας τυχαία δέντρα; τα αντικείμενα που είναι πιο εύκολο να απομονωθούν θεωρούνται ανωμαλίες.

• Autoencoder (Αυτοκωδικοποιητής) — νευρωνικό δίκτυο που εκπαιδεύεται να ανακατασκευάζει τα εισερχόμενα δεδομένα; τα αντικείμενα που ανακατασκευάζονται με μεγάλο σφάλμα θεωρούνται ανωμαλίες.

• Local Outlier Factor (LOF) — αξιολογεί την τοπική πυκνότητα των δεδομένων και επισημαίνει αντικείμενα με χαμηλή πυκνότητα ως ανωμαλίες.

• Gaussian Mixture Models (GMM) — μοντελοποιούν την κατανομή των δεδομένων της θετικής κλάσης; αντικείμενα με χαμηλή πιθανότητα θεωρούνται ανωμαλίες.

Κάθε μέθοδος έχει τα πλεονεκτήματά της και εφαρμόζεται ανάλογα με την εργασία και τη φύση των δεδομένων.