Что такое One-Class SVM?

One-Class SVM — это алгоритм машинного обучения, используемый для задачи обнаружения аномалий и выявления выбросов. Он обучается на данных одного класса (обычно нормальных примеров) и пытается определить границу, которая отделяет эти данные от всех остальных возможных.

Основная идея — найти область в пространстве признаков, где сосредоточены нормальные данные, и классифицировать новые объекты как нормальные, если они попадают в эту область, или как аномалии, если находятся вне неё.

Применение:

• Обнаружение мошенничества
• Мониторинг оборудования
• Выявление необычного поведения

Пример использования в Python с библиотекой scikit-learn:

from sklearn.svm import OneClassSVM

# Обучающие данные (нормальные примеры)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Создаем модель
model = OneClassSVM(gamma='auto').fit(X_train)

# Проверяем новые данные
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — нормальные, -1 — аномалии
print(pred)

Таким образом, One-Class SVM помогает выявлять объекты, которые существенно отличаются от обучающего множества.