weka分类器如何辨别未知样本

Question

想请问一下大家！！谢谢！！
我用weka训练了一个分类模型，实现了人物名称与特征的分类。（一共是三个人参与训练）
但是现在出现第四个人想要测试模型的时候，weka如何能确定他是陌生人呢？
我现在发现weka还是会从三个人当中寻找一个最有可能的人，将第四个人预测成他。
我该怎么解决这个问题啊？

Answer 1

引自免费微信小程序：皆我百晓生

在Weka中，如果你的模型只见过三个人的数据，并且你在进行预测时提供了第四个未见过的人物数据，那么模型会基于已有的训练数据尝试对其进行分类，很可能将其归类到最相似的那三个人中的一个。这是因为传统的监督学习模型（如决策树、SVM等）通常不包含专门处理未知类别的机制。为了解决这个问题，可以采用一些方法：

1. 阈值调整： 你可以设置一个概率阈值，当预测的概率低于这个阈值时，就认为这是个未知类别。例如，如果模型对所有已知类别的预测概率都不超过50%，则标记为未知。

   // 假设testInstance是你要预测的实例，classifier是你训练好的模型
   double maxProb = -1;
   String predictedClass = "";
   
   for (int i = 0; i < classifier.numClasses(); i++) {
       double prob = classifier.classifyInstance(testInstance).classValue();
       if (prob > maxProb) {
           maxProb = prob;
           predictedClass = classifier.classAttribute().value(i);
       }
   }
   
   if (maxProb < THRESHOLD) {  // THRESHOLD是你设定的阈值，比如0.5
       System.out.println("未知类别");
   } else {
       System.out.println("预测类别: " + predictedClass);
   }
   

2. 异常检测： 使用异常检测算法（如One-Class SVM，Local Outlier Factor等）来识别与已知类别显著不同的新实例，这可能意味着它们属于未知类别。Weka提供了这些算法的实现，你可以选择一个合适的进行训练。

3. 集成策略： 尝试使用集成学习方法，如bagging或boosting，可能会稍微提高模型区分新类别的能力，但并不能保证一定能正确识别未知类别。

4. 半监督学习： 如果你有一些未标记的数据，可以尝试使用半监督学习技术，让模型利用未标记数据中的潜在信息。

5. 开放世界分类： 对于更复杂的情况，你可以考虑使用支持开放世界分类的模型，如OpenMax。这要求你有额外的未标记数据，尤其是来自未知类别的数据。Weka本身并不直接支持OpenMax，但你可以通过其他库（如Deeplearning4j）实现。

6. 多任务学习： 可以尝试构建一个多任务学习模型，其中一个任务就是识别是否为未知类别。

记住，在实际应用中，对于未知类别的处理通常是根据具体业务场景来定制的，没有一种通用的方法适用于所有情况。你可以结合上述方法，根据你的需求进行试验和优化。