Question

我最近开始尝试使用OneClassSVM（使用Sklearn）进行无监督学习，然后我跟进了 this example 。

我为愚蠢的问题道歉但是我对两件事感到有些困惑：

我是否应该针对常规案例和异常值训练我的svm，或者仅针对常规示例进行培训？
OSVM预测的哪些标签代表异常值是1还是-1

我再次为这些问题道歉，但由于某种原因，我找不到这个记录的任何软件

Answer 1

正如您所引用的示例是关于新颖性检测，docs说：

新奇检测：

训练数据不受异常值的污染，我们有兴趣检测新观察中的异常。

含义：你应该只训练常规例子。

该方法基于：

Schölkopf，Bernhard，et al。 “估计对高维分布的支持。”神经计算13.7（2001）：1443-1471。

提取物：

假设您有一些从基础概率分布P中提取的数据集，并且您想要估计输入空间的“简单”子集S，使得从P绘制的测试点位于S之外的概率等于某些先验指定的值介于0和1之间。

我们提出了一种方法来解决这个问题，试图估计一个函数f，它对S是正的，对补集是负的。

以上文档也说：

内点标记为1，而异常值标记为-1。

这也可以在您的示例代码中看到，提取：

# Generate some regular novel observations
X = 0.3 * np.random.randn(20, 2)
X_test = np.r_[X + 2, X - 2]
...
# all regular = inliers (defined above)
y_pred_test = clf.predict(X_test)  
...
# -1 = outlier <-> error as assumed to be inlier
n_error_test = y_pred_test[y_pred_test == -1].size

对sklearn的OSVM实现感到困惑

1 个答案: