как обучить один класс svm несколько раз

Question

У меня есть набор данных с несколькими классами, и я пытаюсь использовать один класс svm для классификации каждого класса. поэтому я хотел бы знать, как я могу обучить ocsvm для каждого класса? из sklearn.svm import OneClassSVMclf = 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) inliers = df [clf.predict(df) == 1] выбросы = df [clf.predict(df) == -1]

Answer 1

Один из способов сделать это - разделить набор данных по классам и обучить каждый класс отдельно в OCSVM. Вот код, который возвращает разные показатели оценки для выбросов (1) и выбросов (-1).

      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)