클래스 중 하나가 다른 클래스 중 하나에 의해 정의되지 않은 분류 문제에 어떻게 접근합니까?

세 가지 수업에 관심이 있다고 가정 해 봅시다. $c_1$, $c_2$, $c_3$. 그러나 내 데이터 세트에는 실제로 몇 가지 실제 클래스가 더 있습니다.$(c_j)_{j=4}^n$.

확실한 대답은 새로운 클래스를 정의하는 것입니다 $\hat c_4$ 그것은 모든 클래스를 참조 $c_j$, $j>3$ 그러나 나는 샘플이 있기 때문에 이것이 좋은 생각이 아니라고 생각합니다. $\hat c_4$ 희귀하고 서로 비슷하지 않습니다.

내가 말하려는 것을 시각화하려면 다음 두 가지 가변 공간과 클래스가 있다고 가정하십시오. $c_1$, $c_2$, $c_3$, $\hat c_4= \bigcup_{j=4}^n c_j$빨간색, 틸트, 녹색 및 검은 색으로 각각 표시됩니다. 이것이 내 데이터가 어떻게 보일지 의심하는 방법입니다.

이 문제에 접근하는 표준 방법이 있습니까? 가장 효율적인 분류기는 무엇이며 왜 그렇습니까?

나는 아이디어를 사용하여 2 단계 접근법을 사용할 것입니다. $\hat{c_4}$ 당신이 언급 한 수업.

첫 번째 단계에서는 이진 분류기 (전체 데이터 집합에 대해 훈련 됨)를 사용하여 샘플이 클래스에 속하는지 확인합니다. $\hat{c_4}$(즉, 비 관심 클래스에서). 이를 위해, "관심있는"클래스에 속하는 샘플이 나머지와 훨씬 다른 경우 이상치 검출 방법을 살펴볼 수도 있습니다 .

결과가 음수이면, 다음 단계로 넘어가십시오. 새로운 분류기는 클래스에 속하는 샘플에 대해서만 훈련됩니다. $c_1,c_2,c_3$ 그 예측을 최종 예측으로 사용하십시오.

간단한 클러스터링 접근법을 첫 단계로 사용한다고 생각합니다 (예 : 초기 중심 값으로 평균 중심 값을 사용 하는 4- 클러스터링 k- 평균)$cent_j = \frac{\sum\limits_{x_i\in D: y_i=j}x_i}{\sum\limits_{x_i\in D: y_i=j}1}$ 각각 $c_1,c_2,c_3, \hat{c_4}$), 여전히 유용합니다.