Як підходити до проблеми класифікації, коли один із класів визначається "не будь-яким з інших"

Припустимо, мене цікавлять три класи $c_1$, $c_2$, $c_3$. Але мій набір даних насправді містить ще кілька реальних класів$(c_j)_{j=4}^n$.

Очевидною відповіддю є визначення нового класу $\hat c_4$ що стосується всіх класів $c_j$, $j>3$ але я підозрюю, що це не гарна ідея, оскільки зразки в $\hat c_4$ будуть рідкісними і не дуже схожими один на одного.

Для наочності того, що я намагаюся сказати, припустимо, у мене є наступні два змінних простору та класи $c_1$, $c_2$, $c_3$, $\hat c_4= \bigcup_{j=4}^n c_j$зображені відповідно червоним, тиловим, зеленим та чорним кольорами. Ось так я підозрюю, як виглядали б мої дані.

Чи є стандартний спосіб підійти до цієї проблеми? Що було б найефективнішим класифікатором і чому?

Я використовував би двоступеневий підхід, використовуючи ідею $\hat{c_4}$ клас, про який ви згадали.

На першому етапі використовуйте двійковий класифікатор (підготовлений на всьому наборі даних), щоб визначити, чи належить вибірка до класу $\hat{c_4}$(тобто в будь-якому нецікавому класі). Для цього слід також ознайомитись із методами виявлення зовнішньої структури, якщо зразки, що належать до "цікавих" класів, значно відрізняються від решти.

Якщо результат негативний, перейдіть до наступного кроку, новий класифікатор навчається лише на вибірках, що належать до класів $c_1,c_2,c_3$ і використовуйте цей прогноз як свій остаточний.

Я думаю, що навіть використання простого підходу кластеризації в якості першого кроку (наприклад, 4-кластеринг k-означає використання в якості вихідних центроїдів значення середніх центроїдів$cent_j = \frac{\sum\limits_{x_i\in D: y_i=j}x_i}{\sum\limits_{x_i\in D: y_i=j}1}$ для кожного $c_1,c_2,c_3, \hat{c_4}$), все одно буде корисно.