Kas ir One-Class SVM?

One-Class SVM ir mašīnmācīšanās algoritms, ko izmanto anomāliju un izņēmumu atklāšanai. Tas tiek apmācīts ar vienas klases datiem (parasti normāliem piemēriem) un cenšas noteikt robežu, kas šos datus atdala no visiem citiem iespējamajiem.

Galvenā ideja ir atrast īpašību telpā apgabalu, kur koncentrējas normālie dati, un klasificēt jaunus objektus kā normālus, ja tie iekrīt šajā apgabalā, vai kā anomālijas, ja tie ir ārpus tā.

Pielietojumi:

• krāpšanas atklāšana
• iekārtu uzraudzība
• neparasta uzvedības atklāšana

Python ar scikit-learn bibliotēku piemērs:

from sklearn.svm import OneClassSVM

# Apmācības dati (normāli piemēri)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Modeļa izveide
model = OneClassSVM(gamma='auto').fit(X_train)

# Jaunu datu pārbaude
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normāli, -1 — anomālijas
print(pred)

Tādējādi One-Class SVM palīdz identificēt objektus, kas būtiski atšķiras no apmācības kopas.