Schol 等人针对这一问题，提出了单类支持向量机（OC-SVM），因此可以将样本分布不均匀的问题转换成一分类问题，但该方法不能充分捕获数据的时间相关性。

您说的很对，单类支持向量机（OC-SVM）是一种常用的解决样本分布不均匀问题的方法。OC-SVM的基本思想是将所有的样本都视为同一类别，然后在特征空间中构建一个包围所有样本的最小超球体，从而将异常样本识别出来。但是，您也提到了一个问题，即OC-SVM不能很好地捕捉数据的时间相关性。在处理时间序列数据时，可以考虑使用一些专门的模型，例如ARIMA、LSTM等，这些模型可以考虑到时间序列数据的相关性，从而更好地进行预测和分类。