1.簡介：
（1）無監(jiān)督異常值檢測
（2）解決非平衡樣本分類
2.函數(shù)定義
class?sklearn.svm.OneClassSVM(kernel=’rbf’,?degree=3,?gamma=’auto’,?coef0=0.0,?tol=0.001,?nu=0.5,?shrinking=True,?cache_size=200,?verbose=False,?max_iter=-1,?random_state=None)
3.參數(shù)含義：
kernel：
4.OneClass與2分類代乃，多分類的區(qū)別
? ? 典型的2類問題：識別郵件是否是垃圾郵件，一類“是”，另一類“不是”
? ? 典型的多類問題：人臉識別，每個人對應(yīng)的臉就是一個類锰瘸，然后把待識別的臉分到對應(yīng)的類中去
? ? 而OneClassClassification，它只有一個類贡耽，屬于該類就返回結(jié)果“是”鲁捏，不屬于就返回結(jié)果“不是”，乍一聽感覺與2分類沒什么區(qū)別硼端，其實他們的思想有很大差異并淋。在2分類問題中，訓(xùn)練集中就由兩個類的樣本組成珍昨，訓(xùn)練出的模型是一個2分類模型县耽；而OneClassClassification中的訓(xùn)練樣本只有一類，因此訓(xùn)練出的分類器將不屬于該類的所有其他樣本判別為“不是”即可镣典，而不是由于屬于另一類才返回的“不是”結(jié)果兔毙。
? ? 現(xiàn)實場景中的OneClassClassification例子：現(xiàn)在有一堆某商品的歷史銷售數(shù)據(jù)，記錄著買該產(chǎn)品的用戶信息兄春，此外還有一些沒有購買過該產(chǎn)品的用戶信息澎剥，想通過2分類來預(yù)測他們是否會買該產(chǎn)品，也就是弄兩個類赶舆，一類是“買”哑姚，一類是“不買”祭饭。當(dāng)我們要開始訓(xùn)練2分類器的時候問題來了，一般來說沒買的用戶數(shù)會遠(yuǎn)遠(yuǎn)大于已經(jīng)買了的用戶數(shù)叙量，當(dāng)將數(shù)量不均衡的正負(fù)樣本投入訓(xùn)練時倡蝙，訓(xùn)練出的分類器會有較大的bias（偏向值）。因此宛乃，這時可以使用OneCLassClassification方法來解決悠咱，即訓(xùn)練集中只有已經(jīng)買過該產(chǎn)品的用戶數(shù)據(jù)蒸辆，在識別一個新用戶是否會買該產(chǎn)品時征炼，識別結(jié)果就是“會”或者“不會”。
5.OneClassCLassification的具體實現(xiàn)
多類Classification方法有很多躬贡，比如SVM尋找一個最優(yōu)超平面把正負(fù)樣本分開谆奥，總之都涉及到不止一個類的樣本，相當(dāng)于告訴算法“這種東西長什么樣拂玻，那種東西長什么樣”酸些。于是訓(xùn)練出一個模型能夠區(qū)分這些東西。
問題在于檐蚜，OneCLassClassification只有一個類魄懂，該怎么辦？
介紹一個方法：SVDD（support vector domain description）闯第，中文翻譯為“支持向量域描述”
其基本思想是：既然只有一個class市栗，那么我就訓(xùn)練出一個最小的超球面（超球面是指3維以上的空間中的球面，對應(yīng)的2維空間中就是曲線咳短，3維空間中就是球面）填帽，將這堆數(shù)據(jù)全部“包起來”，識別一個新的數(shù)據(jù)點時咙好，如果這個數(shù)據(jù)點落在超球面內(nèi)篡腌，就屬于這個類，否則不是勾效。
下面是在2維空間（實際情況中嘹悼，如果提取的特征多，維數(shù)就高）中的例子层宫，
更多原理公式推導(dǎo)杨伙，詳見 http://blog.sina.com.cn/s/blog_4ff49c7e0102vlbv.html
