我最近开始尝试使用OneClassSVM（使用Sklearn）进行无监督学习，我跟随
this example 。
对于这些愚蠢的问题，我表示歉意，但是我对两件事感到困惑：
我应该同时针对常规示例案例和异常值进行svm培训，还是仅针对常规示例进行培训？
OSVM预测的代表异常值的标签是1还是-1
对于这些问题，我再次表示歉意，但由于某种原因，我找不到该文档记录的任何软件
最佳答案
在此示例中，您引用的是新颖性检测，docs表示：
新奇检测：
训练数据不受异常值的污染，我们对检测新观测值中的异常感兴趣。
含义：您应该只训练常规示例。
该方法基于：
Schölkopf，Bernhard等。 “估计对高维分布的支持。”神经计算13.7（2001）：1443-1471。
提取：
假设您从基本概率分布P中获得了一些数据集，并且想要估计输入空间的“简单”子集S，以使从P提取的测试点位于S之外的概率等于0和1。
我们提出一种方法，通过尝试估计对S为正而对补码为负的函数f来解决此问题。
上面的文档还说：
异常值标记为1，而异常值标记为-1。
这也可以从您的示例代码中提取出来：
# Generate some regular novel observations
X = 0.3 * np.random.randn(20, 2)
X_test = np.r_[X + 2, X - 2]
...
# all regular = inliers (defined above)
y_pred_test = clf.predict(X_test)
...
# -1 = outlier <-> error as assumed to be inlier
n_error_test = y_pred_test[y_pred_test == -1].size
关于machine-learning - 对sklearn的OSVM实现感到困惑，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49873952/