რა არის One-Class SVM?

One-Class SVM — ეს მანქანური სწავლების ალგორითმია, რომელიც გამოიყენება ანომალიებისა და გამონაკლისების გამოვლენისათვის. ის ტრენინგდება ერთ კლასზე (საშუალოდ ნორმალური მაგალითები) და ცდილობს განსაზღვროს საზღვარი, რომელიც ამ მონაცემებს სხვა შესაძლო მონაცემებსაგან გამოყოფს.

ძირითადი იდეა — იპოვოს თვისებების სივრცეში ადგილი, სადაც კონცენტრირებულია ნორმალური მონაცემები, და კლასიფიცირებდეს ახალი ობიექტები როგორც ნორმალური, თუ ისინი ამ ადგილას ხვდებიან, ან როგორც ანომალია, თუ გარეთ არიან.

გამოყენებები:

• თაღლითობის გამოვლენა
• აღჭურვილობის მონიტორინგი
• უცნაური ქცევის გამოვლენა

Python-ში scikit-learn ბიბლიოთეკის გამოყენებით მაგალითი:

from sklearn.svm import OneClassSVM

# ტრენინგ მონაცემები (ნორმალური მაგალითები)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# მოდელის შექმნა
model = OneClassSVM(gamma='auto').fit(X_train)

# ახალი მონაცემების შემოწმება
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — ნორმალური, -1 — ანომალია
print(pred)

ამ გზით, One-Class SVM ეხმარება იპოვოს ობიექტები, რომლებიც მნიშვნელოვნად განსხვავდებიან ტრენინგის მასადან.