机器学习 - 使用算法检查文档是否有效

Question

我是机器学习的新手。我需要预测文档是有效还是无效。这里我只有 10000 个有效文件（没有任何无效文件）。我看到了一些用于 ex 的算法：Naive Byes、SVM 等。这里的概念是训练模型，我们必须提供两种类型的文档（有效和无效），然后它只能通过与两个训练过的文档进行比较来预测文档。

是否有任何流程或算法，使用它我们可以通过仅使用有效文档来判断文档是有效还是无效（可能以百分比显示，例如：40% 有效和 60% 无效）？

Answer 1

一种方法可能是采用一类分类。在机器学习中，一类分类（OCC）的尝试 通过学习来识别特定类别的对象 仅包含该类对象的训练集。这 OCC 中的任务是围绕 正（目标）类，这样它接受尽可能多的对象 可能来自正类，同时最小化机会 接受负面（异常值）对象。这是一对一的休息 分类，其余部分在训练期间未观察到。在您的情况下，模型将学习分类和识别有效文档，其余为无效文档。