Scikit learn 基于scikit学习的一类SVM偏态数据离群点检测

我正在使用带有scikit学习的一类SVM检测数据集中的异常值。我将试着用一个例子来解释我的问题：

想象一个具有高度和性能特征的简单数据集（这只是一个简化，我的数据集要大得多）。我想检测的是当这两个特性之间存在奇怪的组合时的异常值，例如：

h - height
p - performance

h p class
----------
10       0.1         1

12       0.5         1

20       3.2         1

24       2.9         1

23       0.4        -1

...

我正在扩展数据集，我正在使用这样的配置来训练和检测异常值：

clf = svm.OneClassSVM(kernel="rbf", nu=0.01, gamma=0.01)

当我的数据集成比例时，就没有问题了。但是，当数据集以以下方式倾斜时，我有一个问题：

• 所有高度都在3或4左右，但10左右的高度在0左右。 然后oneclass SVM选择10左右的高度作为异常值，而不是选择高度30和性能0.2等值

我已经解决了训练2个SVM将高度分成两组的问题（一个数据集中的高度约为10，另一个数据集中的高度约为10）

---

有没有一种方法可以在不拆分数据集的情况下解决它？

你应该考虑缩放数据和改变伽玛。用2d绘制数据，看看结果是否有意义。@AndreasMueller谢谢你的回答。然而，我展示的数据只是一个例子。我的真实数据有更多的特征，因此，我想在2d中绘图并不能真正看到问题。我已经在训练前缩放了数据。当您建议更改gamma时，是朝哪个方向？我一直在使用不同的值，结果保持不变。你是如何缩放数据的？使用MinMaxScaler或StandardScaler会很好，gamma的默认值可能会起作用。通常对于RBF核，我会用网格搜索gamma和C，但如果你没有任何基本事实，那就很难了。顺便说一句，如果你说你有更多的功能，我不明白你的观察是如何应用的。你对价值观非常具体。你在高维空间的观察结果是什么？@AndreasMueller，我认为你说问题在于伽马的选择是正确的。我希望我能在这里画出一些视觉测试，向其他有同样怀疑的人解释我的结论。谢谢你的提示！