One-class SVM

这几天看了一篇文章，当样本极其不平衡的时候，可以用一分类，就是说结果是为是它，或者不是它这两种，至于不是它到底是谁，我们不关心。关于二分类问题，我们得到的结果为要么是A，要么是B。我目前在做异常事件检测，对于异常事件来说就是样本量极少的事件，对于检测这类事件我就可以利用libsvm中的One-class SVM ，利用正常情况下的数据训练出超平面，在用所有数据进行测试，在超平面之内则认为是正常事件，否则认为是异常事件。

为了学习One-class SVM，先在网上参考了此篇博客做了一些小测验，代码都可以正常运行，主要是研究了训练和预测这两句代码的含义。

model = svmtrain(Y1,X1,'-s 2 -t 2 -n 0.01');
[Y1,Y2,Y3] = svmpredict(Y,X,model);第一行为调用了svmtrain这句函数，-s后面跟2指的是调用了one-class-SVM ，-t后面跟2表示核函数调用了默认的 RBF 核，一共4种核函数，也可以试别的，效果不一样，对于这个小实验，采用默认的核函数准确率是最高的，-n表示防止过拟合，容忍误差的程度，可以通过调节这个会改变训练出来超平面的位置。
第二行代码为调用svmpredict这个函数，输入参数Y为输入数据的标签，X为输入数据，model为上一步训练好的模型，一起调用svmpredict函数，返回Y1表示预测的标签，Y2是一个三行一列的数据，第一行数据表示准确率，第二行和第三行数据表示做回归分析时看的数据。Y3参数是多分类问题时属于每一类的概率。

可以调节核函数的类型和调节惩罚因子C看结果的变化。可以参考这两篇有一些比较细致的说明。

点击打开链接，点击打开链接