하나의 클래스 SVM은 무엇이며 어떻게 작동합니까?

연구 작업을 위해 scikit-learn으로 구현 된 하나의 클래스 SVM 을 사용 하고있었습니다. 그러나 나는 이것을 잘 이해하지 못한다.

누구든지 하나의 클래스 SVM에 대한 간단하고 좋은 설명을 줄 수 있습니까 ?

문서에서 알 수 있듯이 One Class SVM이 해결하는 문제는 참신 탐지 입니다. 이 작업에 SVM을 사용하는 방법을 설명하는 원본 논문은 " 참신 탐지를위한 벡터 방법 지원 "입니다.

참신 탐지의 아이디어는 드문 이벤트, 즉 드물게 발생하는 이벤트를 감지하여 샘플이 거의없는 것입니다. 문제는 분류기를 훈련하는 일반적인 방법이 작동하지 않는다는 것입니다.

새로운 패턴이 무엇인지 어떻게 결정합니까? 많은 접근법은 데이터의 확률 밀도 추정을 기반으로합니다. 참신은 확률 밀도가 "매우 낮은"샘플에 해당합니다. 응용 프로그램에 따라 얼마나 낮은가.

이제 SVM은 최대 마진 방법입니다. 즉, 확률 분포를 모델링하지 않습니다. 여기서 아이디어는 높은 밀도의 점이있는 영역에 긍정적이고 작은 밀도에 대해서는 부정적인 기능을 찾는 것입니다.

구체적인 내용은 논문에 나와 있습니다. ;) 논문을 실제로 살펴 보려면 먼저 분류를위한 기본 SVM 알고리즘의 설정을 이해해야합니다. 알고리즘의 한계와 동기를 이해하기가 훨씬 쉬워 질 것입니다.

일부 반 감독 방식으로 Active Learning의 일부 파이프 라인에 One Class SVM을 사용할 수 있습니다.

예 : SVM은 앞에서 설명한 최대 마진 방법을 처리하므로 해당 마진 영역을 특정 클래스의 경계로 간주하고 레이블 재 지정을 수행 할 수 있습니다.