文章目录One Class SVM算法介绍代码可视化
One Class SVM算法介绍
One Class SVM也是支持向量机的大家庭，但与传统的基于监督学习的分类回归支持向量机不同，它是一种无监督学习的方法。 也就是说，不需要标记训练集的输出标签。
One-Class-SVM，该算法的思路非常简单，寻找超平面围绕样本中的正例，超平面以外的被认为是离群点。 预测使用该超平面进行决策，ajdws的样本被认为是正样本。
代码实现使用sklearn的相关包实现One class SVM算法。 举一个简单的小demo吧。
froms klearn.svmimportoneclassvmx=[0]、[0.44]、[0.45]、[0.46]、 [1]clf=oneclassvm(gamma='auto '代表性的是离群点的可能性越高，scores=clf.score_samples(x ) " "的输出结果越是[ 1.77987316."
sklearn中的可视化事例、链接为scikit-learn
importnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlib.font _ managerfromsklearnimportsvmxx，YY=NP.mesh grid 500 ) ) generatetraindatax=0.3 * NP.random.randn ) 100，2 ) X_train=np.r_[X 2，x-2 ] # generatesomeregularegularard 2 ) X_test=np.r_[X 2，x-2 ] # generatesomeabnormalnovelobservationsx _ outliers=NP.random.uniform (low=x ) 2 ) # fitthemodelclf=SVM.oneclasssvm (nu=0.1，kernel='rbf '， gamma=0.1 ) clf.fit(x_train ) y_pred_train=clf.predict ) x_train ) y_pred_test=clf.predict ) x . sizen _ error _ test=y _ pred _ test [ y _ pred _ test ].sizen _ error _ outliers=y _ pred _ ou ou tliers [ y ] andthenearestvectorstotheplanez=clf.decision _ function (NP.c _ [ xx.ravel ] )， yy.ravel () ) z=z.Reshape ) xx.shape ) PLT.title('noveltydetection ' ) PLT.contourf ) xx，yy，z，levels=linewidths=2，colors='darkred ' ) PLT.cont hs colors=' palevioletred ' (s=40 B1=PLT.scatter (x _ train [ : ] c='blueviolet '，s=s，edgecolors='k ' ) c=PLT.scatter (x _ outliers [ 3360，0 ]，edgecolors='k ) PLT . 5 ) ) PLT.legend ) a.colle lend ' training observations '，' new regular observations '，' new abnormal observations'] ' ' ' ' ' errorsnovelabnormal 3360 % d/40 ' % (n _ error _ train，n_error_test，n_error_outliers ) ) plt.show )