我遇到了一个二元分类问题，我确实有一些带有标签的实例（到目前为止，据我所知，这是“半监督”学习），但仅限于正类。所以我不能拿任何反面例子作为学习其他类的基础。这里的最佳做法是什么？我假设我应该找到一些离明确的正面最远的例子，并将它们视为负面；但如果是这样，在 Python 中（最好在 sklearn 中）有什么方便的方法？
此外，按照上面的方法，如果实例只能通过集群分离，我什么时候切换到监督模式（如果有的话）有点困惑？
如何处理仅来自一类的标签很少的半监督二元分类问题？
数据挖掘
机器学习
分类
半监督学习
2021-10-16 05:31:45
1个回答
我看到两种方法：
要么您只使用正类来完成所有过程，因此基于一类分类方法，例如隔离森林、一类 SVM、自动编码器的重构错误（仅由您的正类训练）等等......所有这些分类器从一堂课中学习。
或者您可以分两步完成。首先尝试无监督方法（例如聚类）来提取负（和其他正）类样本。然后在正类和负类上使用二元分类器。在这种方法中，您要小心为您提供第二步的输入数据集的无监督拆分。你想避免贴错标签。
其它你可能感兴趣的问题