Каков положительный класс в обнаружении аномалий?

Question

В настоящее время я пытаюсь реализовать алгоритм обнаружения аномалий с помощью scikit-learn в python.Я поменял набор данных на: Inliers (нормальные экземпляры) помечены 1, а выбросы (экземпляры аномалии) - -1 (из https://scikit -learn.org / stable / modules / outlier_detection.html )

Для вычисления precision_score, precision_score, rec_score и f1_score я получаю разные значения, когда я устанавливаю pos_label = 1 или pos_label = -1.

Так, какова метка положительного класса в контекстеобнаружение аномалии: 1 или -1?

Answer 1

Вам интересно узнать, какие образцы являются выбросами. Тогда положительный класс - это выбросы.

Примечание: как правило, вы должны попытаться улучшить отзыв, а не показатель точности, потому что вам нужно уменьшить количество ложных негативов (предсказать, что выброс является внутренним)