One-Class-SVM-Knoten (SPSS Modeler)

Zurück zur englischen Version der Dokumentation

Knoten "One-Class SVM"

Letzte Aktualisierung: 04. Okt. 2024

One-Class-SVM-Knoten (SPSS Modeler)

Der Knoten "One-Class SVM©" verwendet einen nicht überwachten Lernalgorithmus. Der Knoten kann für die Erkennung von Neuheiten verwendet werden. Er erkennt die flexible Grenze eines angegebenen Stichprobensets und klassifiziert neue Punkte danach, ob sie zu diesem Set gehören. Der Modellierungsknoten "One-Class SVM" ist in Python implementiert und erfordert die Python-Bibliothek scikit-learn©.

Details zur scikit-learn-Bibliothek finden Sie unter Support Vector Machines¹.

Die Registerkarte "Modellierung" in der Palette enthält den Knoten "One-Class SVM" sowie weitere Python-Knoten.

Anmerkung: Eine Klasse SVM wird für die Erkennung von Ausreißern und Neuheiten verwendet. In den meisten Fällen ist die Verwendung eines bekannten "normalen" Datasets empfohlen, um das Modell zu erstellen, damit der Algorithmus eine korrekte Grenze für die angegebenen Stichproben festlegen kann. Parameter für das Modell (z. B. Nu, Gamma und Kern) wirken sich deutlich auf die Ergebnisse aus. Deshalb müssen Sie möglicherweise mit diesen Optionen experimentieren, bis Sie die optimalen Einstellungen für Ihre Situation finden.

¹Smola, Schölkopf. "A Tutorial on Support Vector Regression." Statistics and Computing Archive, Vol. 14, Nr. 3, August 2004, Seiten 199-222. (http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.114.4288)