Какво е One-Class SVM?

One-Class SVM е алгоритъм за машинно обучение, използван за откриване на аномалии и идентифициране на отклонения. Той се обучава върху данни от един клас (обикновено нормални примери) и се опитва да определи граница, която отделя тези данни от всички останали възможни.

Основната идея е да се намери област в пространството на характеристиките, където са концентрирани нормалните данни, и да се класифицират нови обекти като нормални, ако попаднат в тази област, или като аномалии, ако са извън нея.

Приложения:

• Откриване на измами
• Мониторинг на оборудване
• Откриване на необичайно поведение

Пример за използване в Python с библиотеката scikit-learn:

from sklearn.svm import OneClassSVM

# Обучителни данни (нормални примери)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Създаване на модел
model = OneClassSVM(gamma='auto').fit(X_train)

# Проверка на нови данни
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — нормални, -1 — аномалии
print(pred)

По този начин, One-Class SVM помага за идентифициране на обекти, които значително се различават от обучаващия набор.