异常检测中的正 class 是什么？
What is the positive class in anomaly detection?
目前，我尝试在 python 中使用 scikit-learn 实现异常检测算法。我将数据集重新标记为内点（正常实例）标记为 1，而异常值（异常实例）标记为 -1 (Reference)
对于 accuracy_score、precision_score、recall_score 和 f1_score 的计算，当我设置 pos_label=1 或 pos_label=-1 时得到不同的值.
那么在异常检测的上下文中，阳性 class 的标签是什么：1 或 -1？
您有兴趣找出哪些样本是异常值。然后，正 class 是异常值。
注意：一般来说，你应该尝试提高recall而不是precision score，因为你需要减少false negatives（预测outlier是inlier）
目前，我尝试在 python 中使用 scikit-learn 实现异常检测算法。我将数据集重新标记为内点（正常实例）标记为 1，而异常值（异常实例）标记为 -1 (Reference)
对于 accuracy_score、precision_score、recall_score 和 f1_score 的计算，当我设置 pos_label=1 或 pos_label=-1 时得到不同的值.
那么在异常检测的上下文中，阳性 class 的标签是什么：1 或 -1？
您有兴趣找出哪些样本是异常值。然后，正 class 是异常值。
注意：一般来说，你应该尝试提高recall而不是precision score，因为你需要减少false negatives（预测outlier是inlier）