Milyen egysziklasztikus osztályozási módszerek léteznek?

Az egy osztályos osztályozás (one-class classification) olyan feladat, amikor a modellt csak egy osztály (pozitív) felismerésére tanítják, míg minden más osztályt anomáliának vagy negatív példának tekintenek. Az egy osztályos osztályozás fő módszerei:

• One-Class SVM (Egy osztályú támogatott vektorgép) — olyan határvonalat épít, amely elválasztja a pozitív osztály adatait a többi tértől, megpróbálva őket a lehető legnagyobb mértékben elválasztani a kezdőponttól.

• Isolation Forest (Elszigetelési erdő) — olyan algoritmus, amely véletlenszerű fákat épít az anomáliák izolálására; azokat az objektumokat, amelyeket könnyebb izolálni, anomáliának tekintik.

• Autoencoder (Autoenkóder) — olyan neurális hálózat, amelyet arra tanítanak, hogy rekonstruálja a bemeneti adatokat; azokat az objektumokat, amelyeket nagy hibával rekonstruál, anomáliának tekintik.

• Local Outlier Factor (LOF) — értékeli az adatok helyi sűrűségét, és alacsony sűrűségű objektumokat anomáliának jelöl.

• Gaussian Mixture Models (GMM) — modellezi a pozitív osztály adatszórását; alacsony valószínűségű objektumokat anomáliának tekintik.

Minden módszernek megvannak a maga előnyei, és a feladattól és az adatok jellegétől függően alkalmazzák őket.