什么是一类SVM，它如何工作？

我使用的是 Scikit-learn中实现的一类SVM，用于我的研究工作。但是我对此没有很好的理解。

任何人都可以对一类SVM进行简单，良好的解释吗？

正如文档所述，One Class SVM解决的问题是新颖性检测。描述如何将SVM用于此任务的原始论文是“ 用于新颖性检测的支持向量法 ”。

新奇检测的想法是检测稀有事件，即很少发生的事件，因此，您只有很少的样本。那么问题是，训练分类器的常规方法将行不通。

那么，如何确定一种新颖的模式呢？许多方法都基于对数据概率密度的估计。新颖性对应于那些概率密度“非常低”的样本。多低取决于应用程序。

现在，SVM是最大保证金方法，即，它们不对概率分布建模。这里的想法是找到一个函数，该函数对点密度高的区域为正，而对于小密度的区域为负。

文章中给出了详细的细节。;）如果您真的打算阅读本文，请确保您首先了解用于分类的基本SVM算法的设置。它将使算法的界限和动机变得容易得多。

您可以通过半监督的方式将“一类SVM”用于主动学习的某些管道。

例如：由于SVM处理如上所述的max-margin方法，因此您可以将这些margin区域视为某些特定类的边界，然后执行重新标记。