En tal caso, su mejor opción es entrenar a un clasificador solo con los datos positivos. Esto se llama Clasificación de una clase y hay varias estrategias que puede adoptar, como
- SVM de una clase: en este se construye una hiperesfera de modo que todos los datos positivos se encuentren dentro y todo lo demás sea atípico / negativo
- Vecino más cercano de una clase
Existen muchos otros métodos para realizar esta tarea, debe leer el siguiente documento de revisión sobre el tema:
- Clasificación de una clase: taxonomía de estudio y revisión de técnicas – Página en cs.uwaterloo.ca
- Una versión más corta está disponible aquí Una encuesta de tendencias recientes en una clasificación de clase
Otras lecturas
- ¿Cómo la IA puede ser útil en Big Data?
- ¿Cuáles son buenos recursos para aprender sobre la ejecución distribuida en redes neuronales profundas (MPI, allreduce, etc.)?
- ¿Cómo funciona un mecanismo de atención en el aprendizaje profundo?
- ¿Cómo se puede usar MapReduce en problemas de optimización?
- Cómo realizar el etiquetado de palabras (POS, NER) para nuevas oraciones utilizando una red neuronal profunda (entrenada)
La respuesta de Shehroz Khan a ¿Qué sucederá si entrenamos clasificadores svm solo en ejemplos positivos?
