Ի՞նչ միակ դասի դասակարգման մեթոդներ կան։

Միակ դասի դասակարգում (one-class classification) — դա խնդիր է, երբ մոդելը սովորում է ճանաչել միայն մեկ դաս (դրական), իսկ մնացած բոլորը համարվում են անոմալություններ կամ բացասական օրինակներ։ Միակ դասի դասակարգման հիմնական մեթոդները՝

• One-Class SVM (Միակ դասի աջակցող վեկտորային մեքենա) — կառուցում է սահմանագիծ, որը տարբերակում է դրական դասի տվյալները մնացած տարածքից՝ փորձելով առավելագույնը տարբերակել դրանք սկզբնային կոորդինատային համակարգից։

• Isolation Forest (Անջատման անտառ) — ալգորիթմ, որը առանձնացնում է անոմալությունները՝ կառուցելով պատահական ծառեր; ավելի հեշտ առանձնացվող օբյեկտները համարվում են անոմալություններ։

• Autoencoder (Ավտոկոդավորիչ) — նեյրոնային ցանց, որը սովորում է վերականգնել մուտքային տվյալները; մեծ սխալով վերականգնվող օբյեկտները համարվում են անոմալություններ։

• Local Outlier Factor (LOF) — գնահատում է տվյալների տեղական խտությունը և առանձնացնում է ցածր խտությամբ օբյեկտները որպես անոմալություններ։

• Gaussian Mixture Models (GMM) — մոդելավորում է դրական դասի տվյալների բաշխումը; ցածր հավանականություն ունեցող օբյեկտները համարվում են անոմալություններ։

Յուրաքանչյուր մեթոդ ունի իր առավելությունները և կիրառվում է խնդիրն ու տվյալների բնույթը հաշվի առնելով։