Cos'è One-Class SVM?

One-Class SVM è un algoritmo di apprendimento automatico utilizzato per il rilevamento di anomalie e identificazione di valori anomali. Viene addestrato su dati di una sola classe (solitamente esempi normali) e cerca di definire un confine che separa questi dati da tutti gli altri possibili.

L'idea principale è trovare una regione nello spazio delle caratteristiche in cui sono concentrati i dati normali, e classificare nuovi oggetti come normali se rientrano in questa regione, o come anomalie se sono fuori.

Applicazioni:

• Rilevamento di frodi
• Monitoraggio delle apparecchiature
• Rilevamento di comportamenti insoliti

Esempio di utilizzo in Python con la libreria scikit-learn:

from sklearn.svm import OneClassSVM

# Dati di addestramento (esempi normali)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Creare il modello
model = OneClassSVM(gamma='auto').fit(X_train)

# Verificare nuovi dati
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normali, -1 — anomalie
print(pred)

In questo modo, One-Class SVM aiuta a identificare oggetti che si discostano significativamente dal set di addestramento.