Čo je One-Class SVM?

One-Class SVM je algoritmus strojového učenia používaný na detekciu anomálií a identifikáciu odchýlok. Trénuje sa na dátach jednej triedy (zvyčajne normálnych príkladov) a snaží sa určiť hranicu, ktorá oddeľuje tieto dáta od všetkých ostatných možných.

Hlavná myšlienka je nájsť oblasť v priestore znakov, kde sú sústredené normálne dáta, a triediť nové objekty ako normálne, ak spadajú do tejto oblasti, alebo ako anomálie, ak sú mimo nej.

Použitie:

• Odhaľovanie podvodov
• Monitorovanie zariadení
• Odhaľovanie nezvyčajného správania

Príklad použitia v Pythone s knižnicou scikit-learn:

from sklearn.svm import OneClassSVM

# Tréningové dáta (normálne príklady)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Vytvorenie modelu
model = OneClassSVM(gamma='auto').fit(X_train)

# Kontrola nových dát
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normálne, -1 — anomálie
print(pred)

Takto One-Class SVM pomáha identifikovať objekty, ktoré sa významne odlišujú od tréningovej množiny.