机器学习笔记 - 异常检测之OneClass SVM算法简述

异常检测是识别数据中不寻常模式的过程,OneClass SVM是一个无监督算法,用于从正常样本学习决策边界来识别异常。它利用RBF核函数在高维空间中找到超平面,以区分正常和异常数据点。通过生成数据、训练模型和结果可视化来理解OneClass SVM的工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、异常检测是什么?

        如下图,理想中我们可以找到一个框住大部分正常样本的决策边界,而在边界外部的数据点(蓝点)即视为异常。

        但实际情况下数据都没有标签,因此很难定义正常还是不正常。异常检测的主要挑战如下:正常与异常行为之间的界限往往并不明确、不同的应用领域对异常的有意定义不同、数据可能存在噪声、异常行为的数据含有难以采集(样本量极少、训练时存在严重不平衡数据的问题)以及正常行为不会一成不变,会有不断发展变化的模式。

        异常检测的算法非常多元,(1)图形方法:箱型图二。(2)统计方法:单变量/多变量高斯分布。(3)基于距离的方法。(4)基于密度的方法。(5) 基于模型的方法:孤立森林、RNN等。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值