Python 基于一类支持向量机的新颖性检测

我正在使用机器学习进行新颖性检测。我曾尝试在中使用一个类svm

---

我是这个领域的新手，我想知道我如何才能说我的测试数据中有新颖性？

内联线标记为1，而离群值（即您案例中的新颖性）标记为-1（作为

predict

函数的结果）

---

请注意，错误地声明异常值标记为1，而内联线标记为0。请查看上的最新更新以获取正确信息。

入口标记为1，异常值（即您案例中的新奇值）标记为-1（作为

predict

函数的结果）

---

请注意，错误地声明异常值标记为1，而内联线标记为0。请查看上的最新更新以获取正确信息。

入口标记为1，异常值（即您案例中的新奇值）标记为-1（作为

predict

函数的结果）

---

请注意，错误地声明异常值标记为1，而内联线标记为0。请查看上的最新更新以获取正确信息。

入口标记为1，异常值（即您案例中的新奇值）标记为-1（作为

predict

函数的结果）

请注意，错误地声明异常值标记为1，而内联线标记为0。有关正确信息，请查看上的最新更新。

check=clf.predict（测试数据）

如果检查=1，则不存在异常和

如果check=-1，则表示异常，即数据为异常值

check=clf.predict（测试数据）

如果检查=1，则不存在异常和

如果check=-1，则表示异常，即数据为异常值

check=clf.predict（测试数据）

如果检查=1，则不存在异常和

如果check=-1，则表示异常，即数据为异常值

check=clf.predict（测试数据）

如果检查=1，则不存在异常和

如果check=-1，则为异常，即数据为异常值

from sklearn import svm

train_data = [[0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 1], [0, 3, 0, 0, 0, 1, 0, 0], [0, 11, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 4]]
test_data = [[0, 0, 0, 0, 0, 1, 0, 0], [0, 1, 0, 0, 0, 1, 0, 0]]


clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(train_data)

pred_test = clf.predict(test_data)