Scikit learn 通过改变'；nu'；

在上面的例子中，我使用我的数据集来识别异常值。对

nu

参数进行轻微更改后，发现的异常数量存在巨大差异

这可能只是数据集的一个特殊性吗？还是scikit中的一个bug

---

注：很遗憾，我无法共享数据集。

注意：不是答案。提供MCVE

我最近也遇到了这个问题。我想了解低值的拐点

import numpy as np
import pandas as pd
from sklearn.svm import OneClassSVM

X = np.random.rand(100, 1)

nu = np.geomspace(0.0001, 1, num=100)
df = pd.DataFrame(data={'nu': nu})

for i in range(0, len(X)):
    df.loc[i, 'anom_count'] = (OneClassSVM(nu=df.loc[i, 'nu']).fit_predict(X) == -1).sum()

df.set_index('nu').plot();

---

如果减小

OneClassSVM

的

tol

参数的值，结果会更好，尽管对于nu的低值来说，结果并不完全如预期的那样

将numpy导入为np
从sklearn.svm导入OneClassSVM
将matplotlib.pyplot作为plt导入
X=np.rand.rand（100,1）
nus=np.geomspace（0.0001,0.5,num=100）
离群值_分数=np.零（len（nus））
对于i，枚举中的nu（nus）：
离群值分数[i]=（OneClassSVM（nu=nu，tol=1e-12）。拟合预测（X）=-1。平均值（）
plt.绘图（nus，异常值_分数）
plt.xlabel（'nu'）
plt.ylabel（‘异常分数’）
plt.show（）

使用默认值

tol

可以获得以下信息

---

您能将绘图添加到帖子中吗？我添加了被剪断的代码返回的绘图，还添加了使用默认

tol

df.set_index('nu').plot(xlim=(0, 0.2));

df.anom_count.min() # 3
df.anom_count.idxmin() # 62
df.loc[df.anom_count.idxmin(), 'nu'] # 0.031