神经网络可以只用一类训练数据来训练吗？
我只想知道神经网络是否可以用单一类别的数据集进行训练。我有一组数据要用来训练神经网络。在训练之后，我想给训练好的神经网络提供新的数据(用于测试)，以检查它是否可以识别出它与训练样本相似。
使用神经网络可以做到这一点吗？如果是，这将是监督学习还是无监督学习。
我知道如果有多个类，神经网络可以用于分类，但我以前从未见过单个类。一个很好的解释和任何例子的链接将非常感谢。谢谢
回答 3
Stack Overflow用户
发布于 2016-08-19 19:59:38
当然可以。但在这种情况下，它将只识别您用来训练它的这一个类。根据预期输出，您可以测量与训练数据的相似性。
经过训练的神经网络只是一个函数。对于分类问题，您可以将其想象为一个函数，该函数将数据作为输入，并返回一个整数，指示它属于哪个类。也就是说，如果你只有一个可以用整数值1表示的类，并且如果训练数据与那个类不相似，你会得到类似于1.555的东西；它不会告诉你它属于另一个类，因为你只引入了一个，但它肯定会给你一个关于它的相似性的提示。
神经网络被认为是有监督的学习，因为在训练之前，你必须同时提供输入和目标，即期望输出。
Stack Overflow用户
发布于 2018-10-24 14:26:22
如果你只用一类数据训练一个网络，那么它通常被称为单类分类。过去开发了各种算法，如One-class SVM，Support Vector Data Description，OCKELM等。Tax和Duin为此开发了一个MATLAB工具箱，它支持各种单类分类器。
Stack Overflow用户
发布于 2019-11-12 03:39:45
文中提出了一种将单类支持向量机和神经网络相结合的Anomaly Detection Using One-Class Neural Networks算法。
这是source code。然而，我在连接源代码和论文时遇到了困难。
https://stackoverflow.com/questions/39019567
复制相似问题
腾讯云开发者
