详细内容或原文请订阅后点击阅览
重新审视不可分二元分类及其在异常检测中的应用
无法线性分类 XOR 激发了深度学习的大部分动力。我们重新审视这个古老的问题，并表明 XOR 的线性分类确实是可能的。我们提出了一个略有不同的范例，即等式分离，而不是在半空间之间分离数据，该范例可调整 SVM 目标以区分边际内或边际外的数据。然后，我们的分类器可以以平滑的近似值集成到神经网络管道中。从其属性来看，我们直觉地认为等式分离适用于异常检测。为了形式化这个概念，我们引入了闭包……
来源:Apple机器学习研究无法线性分类 XOR 激发了深度学习的大量研究。我们重新审视这个古老的问题，并表明 XOR 的线性分类确实是可能的。我们提出了一个略有不同的范例，即等式分离，而不是在半空间之间分离数据，该范例可调整 SVM 目标以区分边界内或边界外的数据。然后，我们的分类器可以以平滑近似的方式集成到神经网络管道中。从其属性来看，我们直觉地认为等式分离适用于异常检测。为了形式化这一概念，我们引入了闭合数字，这是对分类器形成异常检测封闭决策区域的能力的定量度量。从二元分类和异常检测之间的这种理论联系出发，我们在监督异常检测实验中测试了我们的假设，表明等式分离可以检测可见和不可见的异常。