Scikit learn 一类支持向量机用于停车场应用

我正在使用scikit中的一类SVM学习对一个具有10个停车位的停车应用程序进行一些预测。我使用的一个功能示例是：小时数、停在插槽1中的汽车数量、停在插槽2中的汽车数量、…、停在插槽10中的汽车数量。 然后，对于SVM，我想知道的是，系统是否有问题，在全球范围内，插槽接收的车辆数量是否不正常。 因此，“小时”这一功能非常重要，因为一天中的某些时间，插槽接收的车辆通常比其他时间多。所以，在几乎没有车的情况下，4小时是正常的，而在18小时是不正常的

我想为这个问题训练一个单类SVM。然而，由于在大多数时间里有很多车停着，因此很少有车的时间被检测为异常值，而不是检测时间和停在插槽中的车之间是否不一致

我应该如何训练一级SVM？时间应该是一个特征吗？还是我应该每小时训练24个一班的SVM

---

提前谢谢

为了弄清楚“在全球范围内，插槽接收的汽车数量是否不是正常的”，最好用一个图表。我也不明白你关于确定“系统是否存在问题”的意思。我同意，在尝试奇特的异常值检测之前，先从数据的可视化开始。@Alex，我试图实现的是一个自动入侵检测系统。因此，在停车系统受到攻击时发出警报。我同意图表可以用于简单的数据。但是如果我使用具有数十个特征的向量，我需要一个机器学习算法。