Ի՞նչ է One-Class SVM-ը։

One-Class SVM-ը մեքենայական ուսուցման ալգորիթմ է, որը օգտագործվում է անոմալիաների հայտնաբերման և արտառոց արժեքների նույնականացման համար: Այն սովորում է մեկ դասի տվյալների վրա (հաճախ նորմալ օրինակներ) և փորձում է սահմանել սահմանագիծ, որը տարբերակում է այդ տվյալները մյուս հնարավորներից:

Հիմնական գաղափարը՝ գտնել հատկությունների տարածքում այն տարածքը, որտեղ կենտրոնացած են նորմալ տվյալները, և դասակարգել նոր օբյեկտները որպես նորմալ, եթե նրանք ընկնում են այդ տարածք, կամ որպես անոմալիա՝ եթե դուրս են նրա սահմաններից:

Հայտեր:

• խաբեության հայտնաբերում
• սարքավորումների մոնիտորինգ
• անսովոր վարքագծի հայտնաբերում

Օգտագործման օրինակ՝ Python-ում scikit-learn գրադարանի հետ:

from sklearn.svm import OneClassSVM

# Տրեյնինգ տվյալներ (նորմալ օրինակներ)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Մոդելի ստեղծում
model = OneClassSVM(gamma='auto').fit(X_train)

# Նոր տվյալների ստուգում
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — նորմալ, -1 — անոմալիա
print(pred)

Այս կերպ՝ One-Class SVM-ը օգնում է հայտնաբերել այն օբյեկտները, որոնք զգալիորեն տարբերվում են ուսուցման հավաքածուից։