网络上关于SVDD的中文工作相对较少,在之前两个博客,我将学习过程中找的一些资料和理解进行了记录。近来花了好长一段时间学习与复现SVDD的代码,顺便回顾了早年学习的SVM的相关知识。在此处对SVDD算法的一些代码工作进行整理,暂时也打算先把这个事情放一放。以个人理解而言,SVDD算法是一个单类检测算法,为训练集数据找一个最小边界的超球体边界,在实际使用时,发现其有一定的效果。
1. libsvm相关资料
参考资料1: SVM-Pycharm中libsvm基础实验——libsvm的库与python接口
参考资料2: 使用libsvm分类和预测详细说明(Python):较全的解释与流程
参考资料3: SVM理解与参数选择(Kernel和C):与logstic回归进行比较,基本相当于吴恩达的课
参考资料4: SVM-Python libsvm解读: libsvm另一个比较清楚的解释
参考资料5: libsvm-svdd下载与运行: libsvm和svdd结合的一个流程介绍,一个简单的教程。
参考资料6: oneclasssvm svdd: svdd算法一个简单推算,很简单
2. OneClassSVM的异常检测的应用
参考资料1: 基于高斯分布和OCSVM的异常点检测: OCSVM的python代码异常检测
3. SVDD算法的一个python代码
(1)代码1:SVDD过程
该代码在向量维度比较高的时候,运算时间比较慢,但是可以考虑跟样本抽样结合。
(2) 代码2:SVDD函数
(3)代码结果3: 聚类svdd
(4)代码结果4: 笔记本中使用svdd
对于决策边界的寻找挺不错的。
该博客仅做一个近期工作的汇总和整理,出于私人原因,代码就不放进来了,学习真是让人头秃。