Aké metódy jednofarebnej klasifikácie existujú?

Klasifikácia jednej triedy (one-class classification) je úloha, pri ktorej sa model trénuje na rozpoznávanie iba jednej triedy (pozitívnej), zatiaľ čo všetky ostatné sa považujú za anomálie alebo negatívne príklady. Hlavné metódy klasifikácie jednej triedy:

• One-Class SVM (Podpora vektorovej stroj pre jednu triedu) — vytvára hranicu, ktorá oddeľuje údaje pozitívnej triedy od zvyšku priestoru, snažiac sa ich maximálne oddeliť od začiatku súradnicovej sústavy.

• Isolation Forest (Izolačný les) — algoritmus, ktorý izoluje anomálie vytváraním náhodných stromov; objekty, ktoré sú ľahšie na izoláciu, sa považujú za anomálie.

• Autoencoder (Autoenkodér) — neurónová sieť trénovaná na rekonštrukciu vstupných údajov; objekty, ktoré sa rekonštruujú s veľkou chybou, sa považujú za anomálie.

• Local Outlier Factor (LOF) — hodnotí miestnu hustotu dát a zvýrazňuje objekty s nízkou hustotou ako anomálie.

• Gaussian Mixture Models (GMM) — modelujú rozloženie dát pozitívnej triedy; objekty s nízkou pravdepodobnosťou sa považujú za anomálie.

Každá metóda má svoje výhody a aplikuje sa v závislosti od úlohy a povahy dát.