서문

이 기사는 sklearn에 One Class SVM을 설치할 때 자신의 노트로 기재한 내용이다.다른 글을 읽고 이해한 점과 기억하고 싶은 점을 도형으로 정리했다.

준비

읽을 함수는 다음과 같습니다.

2 데이터 정의

이번 훈련 데이터, 테스트 데이터, 편차값 데이터의 정의는 다음과 같다.
X_train, X_test와 X_outliers의 도표는 각각 다음과 같다.

3 데이터 학습

clf.get_params에서 학습에 사용할 매개 변수 보이기
clf.decision_function(X_test)에서 각 분포점의 식별 경계와의 거리를 나타내고 가산값은 분류 내에서 마이너스값으로 분류하지 않음을 나타낸다.
clf.predict(X_test) 주어진 점마다 값이 벗어났는지 확인하기 위해 1 또는 -1을 되돌려줍니다.

편차치로 제시된X_outliers의 범위 내외predict와 decision_function를 조사하기 위해 한 장의 표에서 다음과 같다.

편차가 많기 때문에-1의 데이터는 많지만 일부분1은 학습 데이터 범위 내에 있다.

4 결과 표시

sample_set_1는 편차치 데이터의 집중 학습 범위 내의 집합이고 sample_set_mina1는 편차치 데이터의 집중 편차치의 집합이다.
다음 OK의 2점은 1점입니다.

이상은 간단한 실장 노트입니다.