У меня есть проблема, которую я пытался решить, используя машины опорных векторов (SVM) для различения 1-й серии данных между двумя классами. Один из классов обладает очень специфическими характеристиками и его легко отличить с человеческой точки зрения. Единственным недостатком является то, что другой класс имеет данные с большим разбросом от выборки данных к выборке данных, и, похоже, использовать это невозможнокак класс вообще. Меня интересует только различие между данными, представляющими интересующий класс (см. Изображение ниже), и всеми другими «неинтересными» данными. Затем я попытался реализовать один класс SVM (OC-SVM), и похоже, что он работает хорошо, но не так, как я надеялся. Поэтому я начал искать альтернативы и наткнулся на нейронные сети одного класса и Генеративные состязательные сети (GAN) в качестве возможного решения. Идея состоит в том, что, поскольку точки данных, которые я хочу обнаружить, имеют определенную характеристику (см. Изображение ниже), тогда сеть состязательностей может хорошо сформироваться. Я очень новичок в области нейронных сетей и глубокого обучения, поэтому я хотел спросить сообщество, хочу ли я что-то сделать, прежде чем погрузиться в это. Не стесняйтесь придумывать и альтернативные методы.
Ps: неконтролируемые методы и кластеризация не помогли решить эту проблему из-за огромных изменений в данных.
Изображение данных, представляющих интерес