是否可以仅通过仅向其提供一个类的输入来训练二元分类神经网络？

Posted 2023-03-13

【中文标题】是否可以仅通过仅向其提供一个类的输入来训练二元分类神经网络？

【英文标题】：Is it possible to train a binary classification neural network by only feeding it with input from only one class?

【发布时间】：2018-12-13 17:38:33

【问题描述】：

我基本上是在尝试创建一个神经网络，它应该告诉我我提供的输入是否有效。问题是我只有可以训练它的有效输入。

现在我正在尝试提出一个有效的密集模型，它只验证 0 到 4 之间的 mnist 数字。所有其他数字都应该被视为无效。第一次尝试是用 0 到 4 之间的数字作为有效数字来训练它，随机像素的图像无效（黑色像素的百分比与正常图像相同），但不幸的是它不起作用。当我用 5 到 9 之间的数字对其进行测试时，它们被视为有效。

所以我开始思考是否有可能以这种方式训练神经网络。

我也意识到可能有更好的方法来做到这一点，可能使用自动编码器或不同类型的网络，但现在我只想尝试使用密集层。

谢谢。

【参考方案1】：

您要查找的是one-class classification，也称为一元分类或类建模。

Quick google search 建议训练一个 autoencoder 并在重建错误低于特定阈值时定义一个对象，就像在你的类中一样。

但是，如果您开始构建类似的东西，我建议您首先使用类似 K-Nearest Neighbor 或 One-Class SVM 之类的东西，看看您是否获得了可接受的结果。如果是这样，您可以使用“极其复杂的开发”来改善您的结果 - 使用自动编码器的解决方案