머신러닝 (Machine Learning, ML) 기술은 다양한 문제에 적용되어 왔습니다. 하지만 ML 모델에 ML을 적용하는 것은 아직 탐구되지 않은 방향입니다. 이를 위해 본 논문은 모든 ML 모델이 일 클래스 분류 (One-class Classification, OCC) 모델로 근사될 수 있다는 점에 착안하여, OCC 모델의 메타 분류 (Meta-classification)를 고려합니다. 제안된 방식은 OCC 모델을 정상성 순위 (Normality Rankings)로 표현하며, 최근접 이웃 (Nearest-neighbor) 및 순위 상관관계 (Ranking-correlation) 지표를 사용하여 이를 분류합니다. 실험에서는 클래스가 훈련 데이터셋, 알고리즘, 하이퍼파라미터 (Hyperparameters)에 대응하는 OCC 모델들을 분류합니다. 제안된 방식은 클래스 레이블이 데이터셋일 때 높은 정확도를 달성합니다. 또한, 훈련 데이터셋이 동일한 클래스를 포함하는 경우 알고리즘을 분류할 수 있습니다. 아울러, 본 논의는 OCC 모델의 분류가 본질적으로 여러 샘플을 하나의 입력으로 취급하는 데이터셋의 분류임을 강조합니다. 실험에서는 수면 기록을 사용하여 데이터셋을 분류함을 보여줍니다. 제안된 방법은 OCC 모델, 데이터셋, 그리고 순위를 분류하기 위한 통합된 솔루션을 제공할 수 있습니다. 소스 코드는 공개 저장소 https://github.com/ToshiHayashi/ClassOCC 에 업로드되었습니다.