小样本量的最佳单类分类器

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。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注