Saya menggunakan satu kelas SVM , diimplementasikan dalam scikit-belajar, untuk pekerjaan penelitian saya. Tetapi saya tidak memiliki pemahaman yang baik tentang ini.
Adakah yang bisa tolong berikan penjelasan sederhana dan bagus tentang satu kelas SVM ?
Jawaban:
Masalah yang ditangani oleh One Class SVM, seperti yang dikatakan dalam dokumentasi, adalah deteksi kebaruan . Makalah asli yang menjelaskan cara menggunakan SVM untuk tugas ini adalah " Mendukung Metode Vektor untuk Deteksi Baru ".
Gagasan deteksi kebaruan adalah untuk mendeteksi peristiwa langka, yaitu peristiwa yang jarang terjadi, dan karenanya, Anda hanya memiliki sedikit sampel. Masalahnya kemudian, bahwa cara biasa melatih classifier tidak akan berhasil.
Jadi bagaimana Anda memutuskan apa pola novel itu? Banyak pendekatan didasarkan pada estimasi kepadatan probabilitas untuk data. Kebaruan sesuai dengan sampel-sampel di mana kepadatan probabilitas "sangat rendah". Seberapa rendah tergantung pada aplikasi.
Sekarang, SVM adalah metode max-margin, yaitu mereka tidak memodelkan distribusi probabilitas. Di sini idenya adalah menemukan fungsi yang positif untuk daerah dengan kepadatan titik tinggi, dan negatif untuk kepadatan kecil.
Detail berpasir diberikan di koran. ;) Jika Anda benar-benar berniat membaca makalah ini, pastikan Anda terlebih dahulu memahami pengaturan algoritma SVM dasar untuk klasifikasi. Ini akan membuat lebih mudah untuk memahami batasan dan motivasi algoritme.
Anda dapat menggunakan One Class SVM untuk beberapa jalur pipa untuk Pembelajaran Aktif dalam beberapa cara semi-diawasi.
Mis: Karena SVM menangani metode max-margin seperti yang dijelaskan sebelumnya, Anda dapat mempertimbangkan wilayah margin tersebut sebagai batas untuk beberapa kelas tertentu dan melakukan pelabelan ulang.