筛选出csv文件中tag=1的数据画出散点图并用oneclasssvm进行异常值检查

好的，您的要求我已经知道了。针对您的问题，我可以提供以下Python代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.svm import OneClassSVM

# 读取csv文件
df = pd.read_csv('data.csv')

# 筛选出tag=1的数据
df_tag1 = df[df['tag'] == 1]

# 画出散点图
plt.scatter(df_tag1['x'], df_tag1['y'])
plt.show()

# 使用OneClassSVM进行异常值检查
clf = OneClassSVM(nu=0.01, kernel='rbf', gamma=0.1)
clf.fit(df_tag1[['x', 'y']])
y_pred = clf.predict(df_tag1[['x', 'y']])
df_tag1['pred'] = y_pred
df_tag1_outliers = df_tag1[df_tag1['pred'] == -1]

# 画出检查结果图
plt.scatter(df_tag1['x'], df_tag1['y'])
plt.scatter(df_tag1_outliers['x'], df_tag1_outliers['y'], color='r')
plt.show()

其中，假设您的csv文件名为`data.csv`，文件中有`tag`、`x`、`y`三列数据。代码中首先读取csv文件，然后筛选出`tag`等于1的数据，画出散点图。接着使用OneClassSVM进行异常值检查，将检查结果标记在数据中。最后，再次画出散点图，并用红色标出异常值。

需要注意的是，OneClassSVM是一种无监督学习算法，只需要输入数据，不需要标签。在这里，我们使用了tag=1的数据进行训练，然后对所有tag=1的数据进行预测，从而检查异常值。