python one class svm_sklearn之OneClassSVM

最新推荐文章于 2023-06-19 18:44:10 发布

方柏

最新推荐文章于 2023-06-19 18:44:10 发布

阅读量2k

点赞数

文章标签： python one class svm

本文链接：https://blog.csdn.net/weixin_34435322/article/details/113962872

版权

本文介绍了Python中的OneClassSVM用于无监督异常检测，特别适用于非平衡样本分类。OneClassSVM通过构建最小超球面来包围数据，判断新样本是否属于同一类。与传统的二分类和多分类不同，OneClassSVM在训练集只有一类样本的情况下，预测新样本是否属于该类。在处理如商品销售预测等场景时，能有效应对样本不平衡问题。

摘要由CSDN通过智能技术生成

1.简介：

(1)无监督异常值检测

(2)解决非平衡样本分类

2.函数定义

classsklearn.svm.OneClassSVM(kernel=’rbf’, degree=3, gamma=’auto’, coef0=0.0, tol=0.001, nu=0.5, shrinking=True, cache_size=200, verbose=False, max_iter=-1, random_state=None)

3.参数含义：

kernel：

4.OneClass与2分类，多分类的区别

典型的2类问题：识别邮件是否是垃圾邮件，一类“是”，另一类“不是”

典型的多类问题：人脸识别，每个人对应的脸就是一个类，然后把待识别的脸分到对应的类中去

而OneClassClassification，它只有一个类，属于该类就返回结果“是”，不属于就返回结果“不是”，乍一听感觉与2分类没什么区别，其实他们的思想有很大差异。在2分类问题中，训练集中就由两个类的样本组成，训练出的模型是一个2分类模型；而OneClassClassification中的训练样本只有一类，因此训练出的分类器将不属于该类的所有其他样本判别为“不是”即可，而不是由于属于另一类才返回的“不是”结果。

现实场景中的OneClassClassification例子：现在有一堆某商品的历史销售数据，记录着买该产品的用户信息，此外还有一些没有购买过该产品的用户信息，想通过2分类来预测他们是否会买该产品，也就是弄两个类&