二値分類の適切な機械学習手法の選択

Question

「○○か○○でないか」という二値分類問題に取り組んでいます。そのなかで、現状として「○○ではない」というラベルの教師データが少なく、データにも偏りがあります。さらにデータを増やすのも困難なので、「○○である」というデータのみで分類器が作れないかと考えています。

現在検討し取り組んでいたのは、正解ラベル付きの教師データと未知データを混ぜてクラスタリングを行うというものでしたが、結果の解釈に困窮しています。なにか良い方法はないでしょうか？

Answer 1

それは外れ値検出やimbalanced classification problemと呼ばれる問題です．
「外れ値検出」で検索すると様々な手法があると思いますので参考にしてください

Answer 2

• アップサンプリング
• ダウンサンプリング

などの方法は既存手法としてあるので、まずはそれらを試してみてはいかがでしょうか。