如何减少python sklearn中OneClassSVM中的异常值？

Question

我正在如下使用oneclasssvm。

from sklearn.svm import OneClassSVM

clf = OneClassSVM(random_state=42)
clf.fit(X)
y_pred_train = clf.predict(X)

print(len(np.where(y_pred_train == -1)[0]))

但是，我获得了超过50％的数据作为异常值。我想知道是否有一种方法可以减少一个类svm中离群值的数量。

我尝试了contamination。但是，似乎oneclasssvm不支持污染。

还有其他方法可以使用吗？

很高兴在需要时提供更多详细信息。

Answer 1

您可以通过控制OneClassSVM的nu参数来控制训练数据中有多少数据点被标记为离群值。

根据API文档，nu是An upper bound on the fraction of training errors and a lower bound of the fraction of support vectors. Should be in the interval (0, 1]. By default 0.5 will be taken.

我建议您有一个标记的验证集，然后调整您的SVM超参数，例如nu。 kernel等，以在标记的验证集上获得最佳性能。

Answer 2

我想了解您使用的方差，维数，样本点数量，但我的第一个建议是尝试：

clf = OneClassSVM(random_state=42, gamma='scale')

从Docs

  

当前默认值为“自动”，如果gamma ='scale'，则使用1 / n_features   传递，然后使用1 /（n_features * X.var（））作为伽玛值。   当前的伽玛默认值“ auto”将在以下位置更改为“ scale”   版本0.22。 “ auto_deprecated”，不赞成使用的“ auto”版本是   用作默认值，指示没有显式的gamma值   通过。