最終更新日 2014年8月12日

One Class SVM



データを周辺領域とそれ以外に分類します


基底関数Φ(x)とその重み w の内積 <w,Φ(x)>で写像された特徴空間で
超平面 (<w,Φ(x)> - ρ =0) が原点から最大の距離(マージン)を取る様に
最適な重み w とρ をνSVM法で計算します。

νSVMはマージン境界内でνの率で誤分類を許容します。
超平面 ρ の内外で周辺とそれ以外に分離します。

特徴空間へ写像するので多峰性がある分布でも、周辺とその他に区分できます

(出典)高畠泰斗、香田正人「1クラスSVMと近傍サポートによる領域判別」2006




計算例


One Class SVMで算出した最適特徴関数の3Dプロット図

中央の点から端の点へ特徴関数は湾曲している



+の点での識別境界値ρで分離すると下図の識別ができます

ν=0.025 ガウシアンカーネル採用



正規乱数1000点のOne Class SVMで算出した3Dプロット図

特徴関数の湾曲がより明瞭になっている



戻る