¿Qué es One-Class SVM?

One-Class SVM es un algoritmo de aprendizaje automático utilizado para la detección de anomalías y la identificación de valores atípicos. Se entrena con datos de una sola clase (generalmente ejemplos normales) y trata de definir un límite que separa estos datos de todos los demás posibles.

La idea principal es encontrar una región en el espacio de características donde se concentran los datos normales, y clasificar nuevos objetos como normales si caen dentro de esa región, o como anomalías si están fuera.

Aplicaciones:

• Detección de fraude
• Monitoreo de equipos
• Detección de comportamientos inusuales

Ejemplo de uso en Python con la biblioteca scikit-learn:

from sklearn.svm import OneClassSVM

# Datos de entrenamiento (ejemplos normales)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Crear el modelo
model = OneClassSVM(gamma='auto').fit(X_train)

# Verificar nuevos datos
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normales, -1 — anomalías
print(pred)

De esta manera, One-Class SVM ayuda a identificar objetos que difieren significativamente del conjunto de entrenamiento.