SVM ชั้นหนึ่งคืออะไรและทำงานอย่างไร

ฉันใช้SVM ชั้นเดียวซึ่งถูกนำไปใช้ใน scikit-Learn สำหรับงานวิจัยของฉัน แต่ฉันไม่มีความเข้าใจในเรื่องนี้

ใครช่วยอธิบายคำอธิบายง่ายๆของSVM ชั้นเดียวได้ไหม?

ปัญหาการแก้ไขโดยชั้นหนึ่ง SVM เป็นเอกสารกล่าวว่าเป็นการตรวจสอบความแปลกใหม่ กระดาษต้นฉบับอธิบายวิธีใช้ SVM สำหรับงานนี้คือ " Support Vector Method สำหรับการตรวจจับแปลกใหม่ "

แนวคิดของการตรวจจับความแปลกใหม่คือการตรวจจับเหตุการณ์ที่หายากเช่นเหตุการณ์ที่เกิดขึ้นน้อยมากและด้วยเหตุนี้คุณจึงมีตัวอย่างน้อยมาก ปัญหาคือว่าวิธีปกติของการฝึกอบรมลักษณนามจะไม่ทำงาน

ดังนั้นคุณจะตัดสินใจได้อย่างไรว่ารูปแบบนวนิยายคืออะไร มีวิธีการหลายวิธีโดยใช้การประมาณความหนาแน่นของความน่าจะเป็นสำหรับข้อมูล ความแปลกใหม่สอดคล้องกับตัวอย่างที่ความหนาแน่นของความน่าจะเป็น "ต่ำมาก" ต่ำเพียงใดขึ้นอยู่กับแอปพลิเคชัน

ตอนนี้ SVM เป็นวิธีที่มีมาร์จิ้นสูงสุดซึ่งไม่ได้จำลองการแจกแจงความน่าจะเป็น ที่นี่แนวคิดคือการหาฟังก์ชั่นที่เป็นบวกสำหรับภูมิภาคที่มีความหนาแน่นของคะแนนสูงและเป็นลบสำหรับความหนาแน่นขนาดเล็ก

รายละเอียดของทรายขาวนั้นมีอยู่ในกระดาษ ;) ถ้าคุณตั้งใจจะอ่านบทความนี้จริงๆให้แน่ใจว่าคุณเข้าใจการตั้งค่าของอัลกอริทึม SVM ขั้นพื้นฐานสำหรับการจัดหมวดหมู่ มันจะทำให้เข้าใจขอบเขตและแรงบันดาลใจของอัลกอริทึมได้ง่ายขึ้น

คุณสามารถใช้ One Class SVM สำหรับไปป์ไลน์บางส่วนสำหรับการเรียนรู้แบบแอ็คทีฟในบางวิธีที่มีผู้ดูแล

ตัวอย่าง: เนื่องจาก SVM เกี่ยวข้องกับวิธีอัตรากำไรขั้นต้นสูงสุดตามที่อธิบายไว้ก่อนหน้านี้คุณสามารถพิจารณาขอบเขตของระยะขอบเหล่านั้นเป็นขอบเขตสำหรับบางคลาสที่เฉพาะเจาะจงและทำการติดตั้งใหม่