训练集中有三个类别，测试集中多出了第四个类别，已采用支持向量机方法训练模型，有什么办法能优化模型识别出异常数据呢？
我认为异常的就是第四个类别
我想：识别出第四个类别
求各位指教
谢邀，我个人的想法是这样，你训练了三个类别，如果测试集只有三个类别，那每个类别是识别概率分布会很不均匀，例如80%，10%，10%
如果是多了一种类别，那么分布概率可能是30%，40%，30%
我建议可以从这里入手，如果三种类别的预测概率小于一个阈值，就输出第四个类别
有帮助的话望采纳，谢谢！
如果不把异常数据引入训练集，感觉没啥好的处理方法
单从预测概率入手，只有假设异常特征位于支持向量交点附近，用阈值判断才比较靠谱。如果异常特征完全位于当前某一类内时，这种方法基本只能产生负面效果（不仅预测不出异常，还会误判支持向量交点附近的数据）