异常检测算法（二）：OneClassSVM【严格讲，不是outlier检测方法，而是novelty检测方法】【但数据维度很高或对相关数据分布没任何假设情况下，也可作为一种很好的outlier检测方法】

已于 2022-04-23 20:03:27 修改
阅读量2.7k 收藏 5
点赞数
分类专栏： 异常检测（Abnomaly Detection） 文章标签： 异常检测 OneClassSVM novelty outlier
于 2022-04-23 19:15:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/124368056
版权
本文介绍了OneClassSVM在无监督异常值检测和非平衡样本分类中的应用。OneClassSVM不是传统的outlier检测方法，而是一种novelty detection方法。在数据维度高或无数据分布假设时，也可用于outlier检测。文章详细讨论了一类SVM的概念、主要参数和方法，并提供官方实例。
摘要由CSDN通过智能技术生成

OneClassSVM两个功能：

  • 无监督异常值检测；
  • 解决非平衡样本分类；

在做非平衡样本分类的问题时，其中如果有一类比例严重失调，就可以直接用这个方式来做：OneClassSVM；

OneClassSVM还有一个功能就是异常值检测。

scikit-learn官网：2.7. Novelty and Outlier Detection

严格地讲，OneClassSVM不是一种outlier detection方法，而是一种novelty detection方法：它的训练集不应该掺杂异常点，因为模型可能会去匹配这些异常点。 但在数据维度很高，或者对相关数据分布没有任何假设的情况下，OneClassSVM也可以作为一种很好的outlier detection方法。

在分类问题中，当两类样本及其不平衡时，也可以将个数比例极小的那部分当做异常点来处理，从另外一种角度来完成分类任务！

一、OneClass、二分类、多分类

典型的2类问题：识别邮件是否是垃圾邮件，一类“是”&#

了解本专栏 订阅专栏 解锁全文 超级会员免费看
u013250861
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
异常检测算法:从统计学到深度学习
禅与计算机程序设计艺术
04-23 354
异常检测算法:从统计学到深度学习 1.背景介绍 1.1 什么是异常检测 异常检测(Anomaly Detection)是一种广泛应用于数据挖掘、模式识别和机器学习领域的技术,旨在从大量数据中识别出与众不同的异常数据点或模式。这些异常数据点可能代
one class SVM
easylifer的专栏
02-21 4万+
背景：通常一类问题出现在需要对训练样本进行一定比例的筛选，或者已知的训练样本都是正样本，而负样本却很少的情况。 这种情况下，往往需要训练一个对于训练样本紧凑的分类边界，就可以通过负样本实验。一个简单的实际例子是：一个工厂对于产品的合格性进行检查时，往往所知道是合格产品的参数，而不合格的产品的参数要么空间比较大，要么知道的很少。这种情况下就可以通过已知的合格产品参数来训练一个一类分类器，得到一个紧凑
单分类算法：One Class SVM
Rnan_prince的博客
07-15 2万+
安全检测常用算法有：Isolation Forest，One-Class Classification等，孤立森林参见另一篇，今天主要介绍One-Class Classification单分类算法。 一，单分类算法简介 　　One Class Learning 比较经典的算法是One-Class-SVM，这个算法的思路非常简单，就是寻找一个超平面将样本中的正例圈出来，预测就是用这个超平面做决策，在圈内的样本就认为是正样本。由于核函数计算比较耗时，在海量数据的场景用的并不多； 　　另一个算法是...
【Python】探索 One-Class SVM：异常检测的利器
最新发布
2333333
06-09 1056
One-Class SVM 是一种无监督学习算法，用于识别数据集中与大多数样本显著不同的异常样本。与传统的 SVM 不同，One-Class SVM 仅使用正样本进行训练，其目标是找到一个决策边界，使得大多数正样本位于边界内，而异常样本位于边界外。One-Class SVM 的基本原理是寻找一个能够包含大部分数据点的超平面，并最大化该超平面的边界。
One class SVM
Mying的博客
07-26 1319
单类支持向量机 1.前景 马上大四了，临近毕业，要为毕业设计做打算了。刚好学校培养什么卓越工程师，可以实习单位做毕业设计。单位的博士（交大老师）分配了一个关于医疗图像处理的课题给我。于是看起了论文，疯狂补充知识。由于之前自学过机器学习（西瓜书、蓝皮书）和深度学习（看过一些论文（边缘检测）和框架），所以在此基础上记录一些没有学过的东西。 2.One class support vector mach...
SVDD one class SVM
03-12
该源代码是SVDD，其中对一类的SVM有很好的分类作用
异常检测常用的方法及算法
03-14
异常检测的方法多样，主要包括基于统计学的方法、基于距离的方法、基于密度的方法、一类支持向量机（One-Class SVM）以及隐马尔可夫模型（HMM）等。 1. **基于统计的方法**：这种方法主要利用统计学原理来识别异常...
python分类算法svm_Python机器学习笔记：异常点检测算法——One Class SVM
weixin_39900045的博客
12-06 1139
完整代码及其数据，请移步小编的GitHub传送门：请点击我如果点击有误：https://github.com/LeBron-Jian/MachineLearningNote前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，机器产生奇怪的震动或者机器零件脱落等。相对来说容易得到正常场景下的训练数据，...
python one class svm_Python机器学习笔记：One Class SVM
weixin_39575775的博客
12-18 1402
前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，机器产生奇怪的震动或者机器零件脱落等。相对来说容易得到正常场景下的训练数据，但故障系统状态的收集示例数据可能相当昂贵，或者根本不可能。如果可以模拟一个错误的系统状态，问题就好解决多了，但无法保证所有的错误状态都被模拟到，所以只能寻找单样本检测相关的...
SVM用于一类问题的代码-oneclasssvm.m
08-13
SVM用于一类问题的代码-oneclasssvm.m 看到有人需要一类SVM，实际上就是聚类SVM，可以应用于离群点检测，或在只拥有一类数据下判定新数据是否属于此类。 请注意代码是求解一个2次规划问题，因此适用于维数不是太高，而且非奇异的情况。 现在把代码贴上来，有要的抓紧下载。 oneclasssvm.m SVM用于一类问题的代码
One-Class SVM
12-04
很不错的文档很不错的文档很不错的文档很不错的文档很不错的文档
单分类之OneClassSVM
Anakin6174的博客
03-12 1万+
OneClassSVM是一种单分类算法，也常用来做异常检测（不符合常规模式的即为异常）。
异常检测（一）——OneClassSVM
MinerYCC
03-30 4万+
1、sklearn中关于异常检测的说法Novelty and Outlier Detection：         Many applications require being able to decide whether a new observation belongs to the same distribution as existing observations (it is an i...
《异常检测——从经典算法到深度学习》3 基于One-Class SVM的异常检测算法
Smileyan's blog
05-26 1万+
3. 基于 One-Class SVM 的异常检测算法 此篇主要介绍以下内容： One-Class SVM 算法概述 One-Class SVM 算法应用实例 小结 3.1 One-Class SVM 算法概述 SVM (Support Vector Machines)： 支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。 —— 百度百科 One-Class SVM： One-Class SVM是一种无监督算法，它学习用于新颖性(novel
无监督︱异常、离群点检测 一分类——OneClassSVM
热门推荐
素质云笔记
08-03 4万+
OneClassSVM两个功能：异常值检测、解决极度不平衡数据 因为之前一直在做非平衡样本分类的问题，其中如果有一类比例严重失调，就可以直接用这个方式来做：OneClassSVM；OneClassSVM还有一个功能就是异常值检测。 其他我的相关博客： 1、机器学习︱非平衡数据处理方式与评估 2、RFM模型+SOM聚类︱离群值筛选问题 3、R语言︱异常值检验、离群点分析、异常值处理 ...
One-Class SVM详解
qq_34184505的博客
06-19 5378
One-Class SVM（Support Vector Machine）是一种无监督学习算法，用于异常检测和离群点检测。它的目标是通过仅使用正常数据来建模，识别出与正常模式不同的异常数据点。数据映射：将正常数据映射到高维特征空间中，使得正常数据点能够被一个超平面所包围。这个超平面被称为决策边界。寻找最优超平面：通过最大化超平面与正常数据之间的间隔，寻找一个最优的分割超平面，使得异常点尽可能远离该超平面。这意味着决策边界要尽可能远离正常数据点。
异常检测---孤立森林 | one-class SVM
dili8870的博客
06-21 2699
novelty detection：当训练数据中没有离群点，我们的目标是用训练好的模型去检测另外发现的新样本 outlier dection：当训练数据中包含离群点，模型训练时要匹配训练数据的中心样本，忽视训练样本中的其他异常点。 一、outlier dection 1.孤立森林（Isolation F...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值