如何多次训练一类支持向量机答案

【问题标题】：how to train one class svm multipul times如何多次训练一类支持向量机
【发布时间】：2026-02-02 14:15:01
【问题描述】：

我有多类数据集，正在尝试使用一个类 svm 对每个类进行分类。所以我想知道如何在每节课上训练 ocsvm？从 sklearn.svm 导入 OneClassSVM clf = OneClassSVM(gamma='auto').fit(df) x_train,x_test,y_train,y_test = train_test_split(df,target,test_size=0.30, random_state=25) 内点=df[clf.predict(df)==1] 离群值=df[clf.predict(df)==-1]

【问题讨论】：

标签： svm outliers multiclass-classification novelty-detection

【解决方案1】：

一种方法是按类分离数据集，并在 OCSVM 中单独训练每个类。这是一个返回内点 (1) 和异常点 (-1) 的不同评估指标的代码。

from sklearn.model_selection import train_test_split
from sklearn.svm import OneClassSVM
from sklearn.metrics import classification_report

def evaluation_one_class(preds_interest, preds_outliers):
  y_true = [1]*len(preds_interest) + [-1]*len(preds_outliers)
  y_pred = list(preds_interest)+list(preds_outliers)
  return classification_report(y_true, y_pred, output_dict=False)

def evaluate_model(X_train, X_test, X_outlier, model):
  
  one_class_classifier = model.fit(X_train)

  Y_pred_interest = one_class_classifier.predict(X_test)
  
  Y_pred_ruido = one_class_classifier.predict(X_outlier)

  print(evaluation_one_class(Y_pred_interest, Y_pred_ruido))


class_of_interest = ''

df_interest = df[df['target'] == class_of_interest]
df_outlier = df[df['target'] != class_of_interest]

df_train_int, df_test_int = train_test_split(df_interest,test_size=0.30, random_state=25) 

clf = OneClassSVM(gamma='auto')

evaluate_model(df_train_int, df_test_int, df_outlier, clf)

【讨论】：