樣本不均時，如何處理(PU learning/OneClassSvm/AutoEncoder)

文章目錄 1-背景 2-異常檢測OneClassSvm 3-PU Learning 3.0 PU learning的一些技巧 3.1 直接利用標準分類方法 3.2 PU bagging 3.3 兩步法 4-AutoEncoder 5-參考文獻 1-背景 在實際業務中，尤爲在工業領域，存在着大量未標記的數據。常常狀況是，只有正樣本和少部分故障樣本（負樣本），或者有大量的未標記樣本（包含正負樣本） 在

>>阅读原文<<