Я работаю над проектом по двоичной классификации, где мне нужно протестировать несколько алгоритмов неконтролируемого обучения, например: Isolation Forest, OneClassSVM, Local Outlier Factor и Elliptic Envelope. После подбора и прогнозирования этих моделей я получаю новые двоичные метки. Из 1000 точек данных: Isolation Forest, Local Outlier Factor и Elliptic Envelope предсказывают только 10 точек, принадлежащих классу 1, а остальные - классу 0; с другой стороны, OneClassSVM предсказывает, что 872 точки относятся к классу 1, а остальные - к классу 0.
Мне интересно:
Насколько надежны эти результаты?
Как я могу определить, какой алгоритм лучше всего справляется с прогнозированием?