使用一个类svm-python进行新颖性检测

Question

我正在使用机器学习进行新奇检测。我尝试在scikit learn中使用一级svm。

from sklearn import svm

train_data = [[0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 1], [0, 3, 0, 0, 0, 1, 0, 0], [0, 11, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 4]]
test_data = [[0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0]]


clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(train_data)

pred_test = clf.predict(test_data)

我是这个领域的新手，我想知道怎样才能说我的测试数据有新意？

Answer 1

内点标记为1，异常值（即您的情况下的新颖性）标记为-1（作为predict函数的结果）。

请注意，current documentation错误地指出异常值标记为1＆amp; inlier标记为0.请查看github repo上的最新更新以获取正确的信息。

Answer 2

check = clf.predict（test_data）

如果check = 1则不是异常和

如果check = -1那么它就是异常，即数据是异常值