Go back to the English version of the documentation“单类 SVM”节点
单类 SVM 节点 (SPSS Modeler)
Last updated: 2024年11月22日
“单类 SVM©”节点使用无监督学习算法。 此节点可用于新内容检测。 它会检测指定样本集的软边界，然后按是否属于该集合对新点进行分类。 这个“单类 SVM”建模节点以 Python 实现，并需要 scikit-learn© Python 库。
有关 scikit-learn 库的详细信息，请参阅 支持向量机1。
在选用板上，“建模”选项卡包含“单类 SVM”节点和其他 Python 节点。
注: 单类 SVM 用于u监督离群值和新颖性检测。 在大部分情况下，我们建议使用已知的“正常”数据集来构建模型，以使该算法可以为给定的样本设置正确的边界。 模型的参数（例如，nu、gamma
和 kernel）会显著影响结果。 因此，您可能需要试验这些选项，直至找到最适合您的设置为止。
1Smola, Schölkopf. "A Tutorial on Support Vector Regression." Statistics and Computing Archive，第 14 卷，第 3 期，2004 年 8 月 3 日，第 199-222 页。 (http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.114.4288)