想象一下，我有二进制分类的问题。我必须为每个输入元素分配一个标签（是或否），但在训练集中我只有＆＃34;是＆＃34;实例。这很常见，因为很多时候我们想说一个给定的元素是否相似＆＃34;对于给定与否。我们可以在声音识别或图像识别问题中找到可能的例子。
示例1：我们有许多狗吠的声音，并且如果它是狗吠叫，我们想要说出一种新的声音
示例2：我们有许多狗的照片，如果它代表一只狗，我们想要说一张新照片
在常见的机器学习问题中，训练集由＆＃34; yes＆＃34;实例和＆＃34;不＆＃34;实例并给出一个新元素，如果分类符更接近于＆＃34;是＆＃34;实例或＆＃34; no＆＃34;。
正如上述情景所预期的那样，我们不能拥有＆＃34; no＆＃34;实例，因为它们可能是世界上所有可能的其他声音/图片。
哪种机器学习方法（svm，神经网络，knn，......）可用于解决这类问题？
答案 0 :(得分：0)
这是一个叫做新奇检测的问题。
具体来说，您有一个被认为无噪音的数据集。例如。您有一组数据代表了一些狗吠。
如果你有一些狗吠和一些猫喵，并想找到将狗与猫分开的边界，这是一个离群检测问题。
可以在SKlearn文档网站上找到一个简单的例子
http://scikit-learn.org/stable/auto_examples/svm/plot_oneclass.html#example-svm-plot-oneclass-py
具体实现将取决于您的数据究竟是什么样的 - 没有捕获所有解决方案。通过“免费午餐”＃39;定理，不存在一系列在一系列问题中表现最佳的算法。