Лучший дискриминационный метод для одномерных данных с большой дисперсией
У меня есть проблема, которую я пытался решить, используя машины опорных векторов (SVM) для различения 1d-серии данных между двумя классами. Один из классов имеет очень специфические характеристики и легко различим с точки зрения человека, единственный недостаток заключается в том, что другой класс имеет данные с большим количеством вариаций от выборки данных к выборке данных, и похоже, что использовать это невозможно. как класс вообще. Меня интересует только различие между данными из интересующего класса (см. Изображение ниже) и всеми другими "неинтересными" данными. Затем я попытался реализовать SVM одного класса (OC-SVM), и похоже, что он работает нормально, но не так хорошо, как я надеялся. Поэтому я начал искать альтернативы и наткнулся на нейронные сети одного класса и генерирующие состязательные сети (GAN) как возможное решение.Идея состоит в том, что, поскольку точки данных, которые я хочу обнаружить, имеют определенную характеристику (см. Изображение ниже), состязательная сеть может хорошо преформироваться. Я очень новичок в области нейронных сетей и глубокого обучения, поэтому я хотел спросить сообщество, есть ли у меня что-то, прежде чем погрузиться в это. Не стесняйтесь придумывать и альтернативные методы.
Ps: Неконтролируемые методы и кластеризация не помогли решить эту проблему из-за огромных различий в данных.