Null-Klassen in maschinellem Lernen

Question

Wie behandeln wir Null-Klassen zum Testzeitpunkt in einem maschinellen Lernsystem. Wenn ich mein Modell auf 10 Klassen trainiere und dann eine Klasse beobachte, die keiner der 10 Klassen angehört, gibt es eine Möglichkeit, dieses Ereignis zu erkennen? Es wird für die Aktivitätserkennung in einem Sliding-Window-Ansatz benötigt, wobei jeder Zeitschritt eine der 10 Klassen ergibt, tatsächlich gibt es jedoch Zeitschritte, bei denen nichts passiert und daher sollte der Algorithmus nicht klassifizieren.

Answer 1

Dies wäre, was Ausreißer oder Neuheitserkennung genannt wird. Einige grundlegende Informationen here. Sie möchten zuerst einen Ausreißer-Erkennungsalgorithmus verwenden (bei dem alle 10 Klassen Ihre Inlier sind), um neue Klassen auszufiltern, die Sie noch nicht gesehen haben. Wenn es den Ausreißerdetektor passiert, geben Sie es in Ihren Klassifikator ein. Es gibt einige falsche positive/negative Ergebnisse in der Ausreißerphase - was einen Einfluss darauf hat, welchen Anteil der Daten Sie richtig klassifizieren.

aber tatsächlich gibt es Zeitschritte, wo nichts passiert und so sollte der Algorithmus nicht klassifizieren.

Vielleicht dann, was Sie wirklich beachten sollten, ist eine 11. Klasse von "keine Aktivität". Wenn seine realen Daten regelmäßig auftreten, sollten Sie sie als solche behandeln.