python - OneClassSVM scikit学习

我有两个数据集，trainig和test。它们具有标签“ 1”和“ 0”。我需要在scikit learning中使用带有“ rbf”内核的“ oneClassSVM”算法来评估这些数据集。我加载了训练数据集，但我不知道如何使用测试数据集对其进行评估。下面是我的代码，

from sklearn import svm
import numpy as np

input_file_data = "/home/anuradha/TrainData.csv"
dataset = np.loadtxt(input_file_iris, delimiter=",")

X = dataset[:,0:4]
y = dataset[:,4]

estimator= svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)

请有人可以帮助我解决这个问题吗？

最佳答案

就像在脚本末尾添加以下两行代码一样简单：

estimator.fit(X_train)
y_pred_test = estimator.predict(X_test)

第一行告诉svn使用哪些训练数据，第二行对测试集进行预测（确保加载两个数据集并相应地更改变量名称）。

Here有一个有关如何使用OneClassSVM和here类引用的完整示例。