标记作为异常检测中的特征

Question

我有一个数据集来解决分类问题。由于Y的不平衡，我选择转移到异常检测任务。我应该使用异常检测模型中的Y作为特征吗？这是一种过度适应的风险吗？

Answer 1

这仅仅取决于任务的目标是什么：

• 如果最终的目标仍然是在发现异常后预测Y(即可能使用异常检测的输出作为特征)，那么Y就不能使用，因为它在实际的测试集中是不可用的。
• 如果它只是一个完全不同的任务，其中Y是可用的输入，那么为什么不使用它。

对于500 k实例，一个包含3个可能值的附加变量有极低的导致过度拟合的风险。

注意，由于分类不起作用，特征与Y之间很可能没有什么关系(否则分类实验中会出现一些错误)。