oneclasssvm异常检测代码例子

以下是一个简单的 One-Class SVM 异常检测的 Python 代码示例：

from sklearn import svm
import numpy as np

# 创建一些随机数据作为训练样本
X_train = np.random.randn(100, 2)

# 创建一个 One-Class SVM 模型并进行训练
clf = svm.OneClassSVM(nu=0.05, kernel="rbf", gamma=0.1)
clf.fit(X_train)

# 创建一些新数据作为测试样本
X_test = np.random.randn(10, 2)

# 使用训练好的模型进行预测
y_pred = clf.predict(X_test)

# 输出预测结果
print(y_pred)

在上面的代码中，我们首先使用 `numpy` 库创建了一些随机的二维数据作为训练样本，然后创建了一个 One-Class SVM 模型并用训练数据进行训练。我们设置了 `nu` 参数为 0.05，表示模型应该将其中的 5% 的数据点识别为异常点。我们还使用了 RBF 核函数，并设置了 gamma 参数为 0.1。

接下来，我们创建了一些新数据作为测试样本，并使用训练好的模型进行预测。最后，我们输出了预测结果。预测结果是一个由 -1 和 1 组成的数组，其中 -1 表示对应的数据点被识别为异常点，1 表示对应的数据点不是异常点。