Kas yra One-Class SVM?

One-Class SVM yra mašininio mokymosi algoritmas, naudojamas anomalijų ir išskirtinių reikšmių aptikimui. Jis mokomas vienos klasės duomenų (paprastai normalių pavyzdžių) pagrindu ir siekia nustatyti ribą, kuri atskiria šiuos duomenis nuo visų kitų galimų.

Pagrindinė idėja — rasti požymių erdvėje sritį, kurioje sutelkti normalūs duomenys, ir klasifikuoti naujus objektus kaip normalias, jei jie patenka į šią sritį, arba kaip anomalijas, jei yra už jos ribų.

Taikymas:

• sukčiavimo aptikimas
• įrangos stebėjimas
• neįprasto elgesio nustatymas

Python su scikit-learn biblioteka pavyzdys:

from sklearn.svm import OneClassSVM

# Mokymo duomenys (normalūs pavyzdžiai)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Modelio kūrimas
model = OneClassSVM(gamma='auto').fit(X_train)

# Naujų duomenų patikrinimas
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normalus, -1 — anomalija
print(pred)

Taip One-Class SVM padeda identifikuoti objektus, kurie žymiai skiriasi nuo mokymo rinkinio.