One-Class SVM nedir?

One-Class SVM, anomali tespiti ve aykırı değerleri belirlemek için kullanılan bir makine öğrenimi algoritmasıdır. Genellikle normal örnekler olmak üzere tek bir sınıfın verileri üzerinde eğitilir ve bu verileri diğer olası verilerden ayıran sınırı tanımlamaya çalışır.

Ana fikir, özellikler uzayında normal verilerin yoğunlaştığı bir bölge bulmak ve yeni nesneleri bu bölgeye düşerse normal, dışında kalırsa anomali olarak sınıflandırmaktır.

Uygulamalar:

• Dolandırıcılık tespiti
• Ekipman izleme
• Olağandışı davranışların tespiti

Python'da scikit-learn kütüphanesi ile kullanım örneği:

from sklearn.svm import OneClassSVM

# Eğitim verileri (normal örnekler)
X_train = [[0, 0], [1, 1], [0.5, 0.5], [1, 0]]

# Model oluşturma
model = OneClassSVM(gamma='auto').fit(X_train)

# Yeni verileri kontrol etme
X_test = [[0, 0], [2, 2]]
pred = model.predict(X_test)  # 1 — normal, -1 — anomali
print(pred)

Bu şekilde, One-Class SVM, eğitim kümesinden önemli ölçüde farklı nesneleri tanımlamaya yardımcı olur.