Τι είναι το One-Class SVM;

One-Class SVM είναι ένας αλγόριθμος μηχανικής μάθησης που χρησιμοποιείται για την ανίχνευση ανωμαλιών και τον εντοπισμό αποκλίσεων. Εκπαιδεύεται σε δεδομένα μιας μόνο κλάσης (συνήθως κανονικά παραδείγματα) και προσπαθεί να ορίσει ένα όριο που διαχωρίζει αυτά τα δεδομένα από όλα τα άλλα πιθανά.

Η βασική ιδέα είναι να βρεθεί μια περιοχή στον χώρο των χαρακτηριστικών όπου συγκεντρώνονται τα κανονικά δεδομένα, και να ταξινομηθούν νέα αντικείμενα ως κανονικά αν βρίσκονται σε αυτήν την περιοχή, ή ως ανωμαλίες αν βρίσκονται έξω από αυτήν.

Εφαρμογές:

• Ανίχνευση απάτης
• Παρακολούθηση εξοπλισμού
• Ανίχνευση ασυνήθιστης συμπεριφοράς

Παράδειγμα χρήσης σε Python με τη βιβλιοθήκη scikit-learn:

from sklearn.svm import OneClassSVM

# Δεδομένα εκπαίδευσης (κανονικά παραδείγματα)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Δημιουργία μοντέλου
model = OneClassSVM(gamma='auto').fit(X_train)

# Έλεγχος νέων δεδομένων
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — κανονικά, -1 — ανωμαλίες
print(pred)

Έτσι, το One-Class SVM βοηθά στον εντοπισμό αντικειμένων που διαφέρουν σημαντικά από το σύνολο εκπαίδευσης.