O que é o One-Class SVM?

One-Class SVM é um algoritmo de aprendizagem automática utilizado para deteção de anomalias e identificação de valores atípicos. É treinado com dados de uma única classe (geralmente exemplos normais) e tenta definir uma fronteira que separa esses dados de todos os outros possíveis.

A ideia principal é encontrar uma região no espaço de características onde os dados normais estão concentrados, e classificar novos objetos como normais se caírem dentro dessa região, ou como anomalias se estiverem fora dela.

Aplicações:

• Detecção de fraude
• Monitorização de equipamentos
• Detecção de comportamentos incomuns

Exemplo de uso em Python com a biblioteca scikit-learn:

from sklearn.svm import OneClassSVM

# Dados de treino (exemplos normais)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Criar o modelo
model = OneClassSVM(gamma='auto').fit(X_train)

# Verificar novos dados
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normais, -1 — anomalias
print(pred)

Assim, o One-Class SVM ajuda a identificar objetos que diferem significativamente do conjunto de treino.