Definizione di One-Class Classification
One Class Classification (OCC) è una tecnica di Apprendimento automatico usata quando abbiamo dati solo di una classe, e vogliamo costruire un modello che riconosca se un nuovo dato appartiene o meno a quella classe.
In altre parole, il modello impara solo da esempi positivi, e poi cerca di capire se un nuovo esempio è simile a quelli visti prima (quindi “normale”) o è diverso (quindi “anomalo”).
Come funziona?
Il modello cerca di imparare il “confine” che racchiude tutti i dati normali. Se un nuovo dato cade fuori da questo confine, viene considerato anomalo.
Quando usarlo?
È utile in situazioni dove:
- Abbiamo molti esempi di una sola classe e pochi o nessun esempio delle altre classi.
- Vogliamo rilevare anomalie o comportamenti sospetti.
Algoritmi comuni
- One-Class SVM (Support Vector Machine): costruisce un “muro” (iperpiano) che separa i dati normali dal resto dello spazio.
- Autoencoder: è una rete neurale che cerca di ricostruire i dati normali: se non riesce a ricostruire bene un nuovo dato, vuol dire che è anomalo.
- Isolation Forest: costruisce alberi decisionali che “isolano” punti: gli outlier si isolano più facilmente.
- One-Class Support Vector Data Descriptor: serve a costruire un confine che racchiuda i dati normali e a identificare tutto ciò che sta fuori da questo confine come anomalo.