Šta je One-Class SVM?

One-Class SVM je algoritam mašinskog učenja koji se koristi za otkrivanje anomalija i identifikaciju odskakanja. Trening se vrši na podacima jedne klase (obično normalni primeri) i pokušava da odredi granicu koja razdvaja ove podatke od svih ostalih mogućih.

Glavna ideja je da se pronađe oblast u prostoru karakteristika gde su koncentrisani normalni podaci, i da se novi objekti klasifikuju kao normalni ako spadaju u tu oblast, ili kao anomalije ako su van nje.

Primene:

• Otkrivanje prevara
• Monitoring opreme
• Otkrivanje neobičnog ponašanja

Primer upotrebe u Pythonu sa bibliotekom scikit-learn:

from sklearn.svm import OneClassSVM

# Podaci za obuku (normalni primeri)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Kreiranje modela
model = OneClassSVM(gamma='auto').fit(X_train)

# Provera novih podataka
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normalni, -1 — anomalije
print(pred)

Na ovaj način, One-Class SVM pomaže u identifikaciji objekata koji se značajno razlikuju od skupa za obuku.