SVM-OneClass – Hustota rozdělení
Dialogové okno modulu SVM-OneClass


Příklad grafických výstupů


SVM-OneClass – Hustota rozdělení
Pro nalezení hranice rozdělení vícerozměrné náhodné veličiny s libovolným rozdělením lze minimalizovat kritérium (B. Schoelkopf et al., 2001)
SVM-OneClass
Takto získaná hranice je opět lineární hyperplocha v x a odpovídá přibližně ν-kvantilu rozdělení. Koeficient ν, 0<ν<=1 tedy odpovídá maximu podílu dat, které chceme oddělit od jádra rozdělení, což lze interpretovat jako (1 – ν) kvantil rozdělení, ale s výhodou také jako maximální očekávaný podíl vybočujících bodů, které do rozdělení nepatří. Řešením uvedených podmínek je hyperplocha, která ohraničuje „vnitřní“ (1 – ν).100% část rozdělení. Výsledná hranice pak identifikuje vybočující body a lze jí použít i k predikci, zda nově naměřená data patří do natrénovaného vícerozměrného rozdělení. Takové interpretace lze s výhodou využít například pro detekci změn ve složitých vícerozměrných procesech s libovolným rozdělením.

Aktualizováno ( Pondělí, 03 června 2013 )