Machine learning 对sklearn感到困惑’；OSVM的s实现

我最近开始尝试使用OneClassSVM（使用Sklearn）进行无监督学习，我遵循了 .

我为这些愚蠢的问题道歉，但我对两件事有点困惑：

我应该在常规示例和异常值上训练我的svm，还是只在常规示例上训练

OSVM预测的哪些标签表示异常值是1还是-1

---

对于这些问题，我再次表示歉意，但由于某些原因，我找不到有文档记录的anyware

，因为您所引用的示例是关于新颖性检测的，例如：

新颖性检测：

训练数据不受异常值的污染，我们感兴趣的是检测新观测值中的异常

意思是：你应该只训练常规的例子

该方法基于：

Schölkopf，Bernhard，et al.“估计高维分布的支持”，《神经计算》13.7（2001）：1443-1471

摘录：

假设您获得了一些从基本概率分布p中提取的数据集，并且您希望估计输入空间的“简单”子集S，从而从p中提取的测试点位于S之外的概率等于0和1之间的某个先验指定值

我们提出了一种方法来解决这个问题，试图估计一个函数f，它在S上为正，在补码上为负

上述文件还说：

内联项标记为1，而离群项标记为-1

这也可以在您的示例代码中看到，提取：

#生成一些常规的新颖观察结果
X=0.3*np.randon.randn（20,2）
X_检验=np.r_ux[X+2，X-2]
...
#所有常规=输入线（定义见上文）
y_预测检验=clf.预测（X_检验）
...
#-1=假设的异常值误差更大
n_error_test=y_pred_test[y_pred_test==-1]。大小