一类支持向量机

Question

所以我想确保我有这个权利。首先，我是一名本科计算机工程专业，拥有比软件更多的硬件/ EE经验。今年夏天，我发现自己使用了一种使用一类SVM的聚类算法。 SVM只是用于分类/分离输入数据的数学模型吗？ SVM在具有一个属性/变量的数据集上运行良好吗？我猜对后者，可能是因为具有单一属性的分类实际上是刻板印象。我的猜测是SVM在具有多个属性/变量以有助于分类的数据集上表现更好。提前致谢！

Answer 1

SVM尝试构建超平面分隔2个类（AFAIK，在单类SVM中，有一个类用于“普通”，一个类用于“异常”实例）。只有一个属性，您有一维空间，即行。因此，这里的超平面是线上的点。如果2个类的实例（该行上的点）可以被该超平面点分开（即它们是线性可分的），则可以使用SVM。否则不是。

注意，使用几个属性，SVM仍可用于对线性不可分离的实例进行分类。在下一个图像中，二维空间中有2个类（2个属性 - X和Y），一个标有蓝点，另一个标有绿色。

您无法绘制可以分隔它们的线条。尽管如此，所谓的kernel trick可以通过组合现有来产生更多的属性。使用更多属性，您可以获得更高维度的空间，其中所有实例可以分开（video）。不幸的是，一个属性不能与自身结合，因此对于一维空间，内核技巧不适用。

因此，您的问题的答案是： SVM可以在只有一个属性的集合上使用，当且仅当2个类的实例可以自己线性分离时。