Machine learning 交叉验证-一类分类

我正在尝试执行一个类别分类，这样我在培训期间只有正面数据，而负面数据仅在测试时可用。如果我使用一类支持向量机或任何其他一类方法，使用交叉验证方法估计参数是一个常见的问题，因为在训练阶段我们没有负面数据。我觉得，通过仅使用阳性数据估计参数可能会出现的一个问题是训练期间的“过度拟合”，或者换句话说，如果我们只关心使我们的假阴性率最低的参数，那么在测试期间，我们可能会得到假阴性率为零但假阳性率较高的参数

我的问题是，你能给我推荐一种使用CV的参数估计方法吗？或者参考任何关于这种情况的文章。大多数谷歌搜索和文献综述并没有解决我的问题。为了简化这个问题，许多研究人员假设了一些异常值或人为地生成它们，但在我的例子中，我不能说任何关于负面概念的东西，因为我只知道正面数据是什么样子。

---

您的反馈将不胜感激。

听起来像是，但还是值得一提的，稍微晚一点。@RogerRowland:谢谢您的努力。我认为这是一个悬而未决的问题，人们要么产生人为的异常值，要么将部分正面数据视为负面数据。前者需要对负类进行强有力的假设，因此我尝试研究后一种方法。@RogerRowland链接不可用：您能更新它们吗？或者说出他们的名字，谢谢！