Machine learning 当一个/多个特征值超出范围时，是否可以丢弃实例？

我正在构建一个识别blod细胞图像中抗体的识别器。它基于libsvm。当涉及到识别属于某个训练类的实例时，原型工作得很好。 但当我给出任何图像时，即使不包含blod细胞（例如，显微镜的偏移/焦点不好），它仍然表明模型已知的类别之一

我首先考虑实现类“Unknown”，但我害怕用所有的噪声图像来训练它会使模型性能更差

因此，我的想法是检查要识别的实例的一个/多个特征是否超出值范围，并将其丢弃

这是一个好方法吗？ 如果是，应如何选择截止值（例如标准偏差）

多谢各位

在“可能的非类样本”问题中，最明显的解决方案似乎是通过以下两种方式之一创建一类SVM（离群点检测算法）：

• 训练两个一类支持向量机（每类一个），并丢弃两个模型标记为“异常值”的样本
• 对整个数据集（两个类的实例）训练一个一类SVM，并丢弃标记为异常值的数据

---

建议的“超出范围检查”方法是好的，只要有一个obvios阈值——正如您在这里询问的那样，什么是最佳选择——这意味着它不是一个好方法。如果你（作为一名专家）自己无法解决这个问题，那么像之前建议的那样训练异常值检测方法似乎是更好、更安全的选择，它实际上会做同样的事情，但会以自动方式（因为它会找到丢弃“坏数据”的规则，而无需对任何“坏图像”进行训练）。

+1：太好了！我不知道离群点检测的这种实际用法。我试试看。不幸的是，libsvm似乎不支持异常检测。它确实支持，只需将svm_type设置为2（这是一个类svm的代码），查看libsvmThanks中实现的方法列表！但是我错过了一些东西。精度始终为50%。无论我如何设置其他参数，它似乎将训练集划分为50/50（1和-1）以进行识别。这样就形成了两个聚类，而不是一个主聚类和离群值。你能推荐一些参数吗？没有“建议参数”这样的东西。参数是依赖于数据的值，在没有分析和许多尝试和错误的情况下无法猜测。如果您有特殊问题，请提出单独的问题，包括您的代码和数据，然后就可以以某种方式为您提供指导/帮助；也许问题不在于参数