Mis on One-Class SVM?

One-Class SVM on masinõppe algoritm, mida kasutatakse anomaaliate ja kõrvalekallete tuvastamiseks. Seda treenitakse ühe klassi andmetega (tavaliselt normaalsed näited) ning püüab määratleda piiri, mis eraldab need andmed kõigist teistest võimalikest.

Põhiteooria — leida tunnuste ruumis piirkond, kus on keskendunud normaalsed andmed, ning klassifitseerida uued objektid normaalseks, kui nad jäävad sellesse piirkonda, või anomaaliateks, kui nad on väljaspool seda.

Rakendused:

• pettuste tuvastamine
• seadmete jälgimine
• ebatavalise käitumise avastamine

Näide Pythonis scikit-learn raamatukoguga:

from sklearn.svm import OneClassSVM

# Treeningandmed (normaalsed näited)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Mudeli loomine
model = OneClassSVM(gamma='auto').fit(X_train)

# Uute andmete kontroll
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normaalne, -1 — anomaalia
print(pred)

Nii aitab One-Class SVM tuvastada objekte, mis oluliselt erinevad treeningkogumist.