我有一个高维度（600维）的数据集，并且只有一个类别的小样本量（大约100个数据点）。数据的特性使得生成异常值非常困难，因此我需要在这些数据上训练一个单类分类器。

你有单类分类方面的经验吗？对于小样本量和高维度数据，最好的算法是什么？我在考虑使用libsvm库中的单类SVM，这是不是一个好的选择？

感谢建议

回答：

如果你想走神经网络的路线，那么：

对于高维度的单类分类，你可能需要采用类似于大海捞针式的训练方法。

我认为其中最值得注意的是自适应梯度方法。

否则，SVM在处理高维度数据方面非常高效，而且由于不太可能出现异常值，这进一步加强了使用基于边界的算法的理由。