样本不均时，如何处理(PU learning/OneClassSvm/AutoEncoder)

1-背景

在实际业务中，尤其在工业领域，存在着大量未标记的数据。经常情况是，只有正样本和少部分故障样本（负样本），或者有大量的未标记样本（包含正负样本）
在此种情况下，如何做分类呢，比如故障分类等等。经过调研和咨询，发现了几种方法，跟大家分享下。
以下部分，不具体讲解原理，仅是把方法提出来，具体内容请看参考链接。

2-异常检测OneClassSvm

有一种思路是，将负样本当做是异常处理。将分类问题，转换为异常检测问题。异常检测的方法有很多，具体问题要具体分析了。
这里提供一种方法，一分类方法OneClassSvm，此种方法可以对单一类别进行训练。
它不仅适用于单变量，也适用于多变量。

3-PU Learning

有许多只有正样本和大量未标记样本的例子。这是因为负类样本的一些特点使得获取负样本较为困难。比如：
负类数据不易获取。
负类数据太过多样化。
负类数据动态变化。
有研究人员开始关注PU Learning（Positive-unlabeled learning），即在只有正类数据和无标记数据的情况下，训练binary classifier。

3.0 PU learning的一些技巧

人们对PU learning的方法一直非常感兴趣。 由于标准机器学习问题（利用大量正面和负面样本用于训练模型）有了充分的发展ÿ