1つのクラスSVMとは何ですか？

私の研究では、scikit-learnで実装された1つのクラスSVMを使用していました。しかし、私はこれをよく理解していません。

誰もが1つのクラスのSVMの簡単で良い説明をしていただけますか？

ドキュメントが言うように、One Class SVMが対処する問題は、新規性の検出です。このタスクにSVMを使用する方法を説明した元の論文は、「新規ベクトル検出のためのサポートベクトル法」です。

新規性検出のアイデアは、まれなイベント、つまりまれにしか発生しないイベントを検出することであり、そのため、サンプルはほとんどありません。問題は、分類子を訓練する通常の方法が機能しないことです。

では、新しいパターンとはどのように決定するのでしょうか。多くのアプローチは、データの確率密度の推定に基づいています。新規性は、確率密度が「非常に低い」サンプルに対応しています。どのくらい低いかは、アプリケーションによって異なります。

現在、SVMはmax-marginメソッドです。つまり、SVMは確率分布をモデル化していません。ここでの考え方は、点の密度が高い領域では正で、密度が小さい領域では負の関数を見つけることです。

ざらざらした詳細は論文に記載されています。;）本当に本書の内容を検討する場合は、まず分類のための基本的なSVMアルゴリズムの設定を理解していることを確認してください。アルゴリズムの境界と動機を理解しやすくなります。

何らかの教師付きの方法でアクティブラーニングのパイプラインにOne Class SVMを使用できます。

例：前に説明したようにSVMがmax-marginメソッドを処理するため、これらのマージン領域を特定のクラスの境界と見なして、再ラベル付けを実行できます。