Библиотека собеса по Data Science | вопросы с собеседований

Как использовать SVM для поиска аномалий (выбросов)?

Для такой задачи можно применять метод опорных векторов с одним классом, или One-Class SVM. Напомним, что основная идея алгоритма SVM — разделить классы гиперплоскостью так, чтобы максимизировать зазор между ними. В случае с One-Class цель состоит в том, чтобы найти гиперплоскость, которая лучше всего описывает один класс тренировочных данных. Такой алгоритм не пытается разделить два или более класса, а скорее стремится ограничить область, где присутствует большинство данных одного класса.

После использования One-Class SVM мы получаем границу, по одну сторону которой максимально плотно лежат наблюдения из тренировочной выборки, а по другую — аномальные значения. Вот основные шаги:
🔹Обучить модель One-Class SVM на данных без аномалий.
🔹Использовать обученную модель для предсказания, является ли новая точка данных аномальной. Алгоритм вернёт -1 для аномальных точек и 1 для нормальных.

#машинное_обучение

www.tg-me.com/jp/Библиотека собеса по Data Science | вопросы с собеседований/com.ds_interview_lib/240

1.5K viewsFeb 23, 2024 at 12:02

Как использовать SVM для поиска аномалий (выбросов)?

Для такой задачи можно применять метод опорных векторов с одним классом, или One-Class SVM. Напомним, что основная идея алгоритма SVM — разделить классы гиперплоскостью так, чтобы максимизировать зазор между ними. В случае с One-Class цель состоит в том, чтобы найти гиперплоскость, которая лучше всего описывает один класс тренировочных данных. Такой алгоритм не пытается разделить два или более класса, а скорее стремится ограничить область, где присутствует большинство данных одного класса.

После использования One-Class SVM мы получаем границу, по одну сторону которой максимально плотно лежат наблюдения из тренировочной выборки, а по другую — аномальные значения. Вот основные шаги:
🔹Обучить модель One-Class SVM на данных без аномалий.
🔹Использовать обученную модель для предсказания, является ли новая точка данных аномальной. Алгоритм вернёт -1 для аномальных точек и 1 для нормальных.

#машинное_обучение

BY Библиотека собеса по Data Science | вопросы с собеседований