トレーニング時に正のデータのみを取得し、テスト時にのみ負のデータを使用できるように、1 クラスの分類を実行しようとしています。1 クラス SVM または他の 1 クラス メソッドを使用する場合、トレーニング フェーズでは負のデータがないため、相互検証アプローチでパラメーターを推定する際によくある問題があります。肯定的なデータのみを使用してパラメーターを推定することによって発生する可能性があると私が感じる問題は、トレーニング中の「オーバーフィッティング」です。つまり、偽陰性率が最も低いパラメーターだけを気にすると、パラメーターになってしまう可能性があります。 ) 偽陰性はゼロですが、テスト中の偽陽性率は高くなります。
私の質問は、CV を使用したパラメーター推定方法を提案するか、このシナリオを扱っている論文を参照してください。グーグル検索と文献レビューのほとんどは私の問題を解決しませんでした. この問題を単純化するために、多くの研究者はいくつかの外れ値を想定 (または人為的に生成) しますが、私の場合、ポジティブなデータがどのように見えるかしか知らないので、ネガティブな概念については何も言えません。フィードバックをお待ちしております。